AnswersPublished19 sources
Memento 3 läpäisi kaikki 25 ARC-AGI-3-peliä ulkoisen muistin ja koodin avulla
Memento 3 selvitti ARC AGI 3:n julkisen aineiston 25 peliä ja 183 kenttää 7 518 toiminnolla. Agentti käytti Claude Opus 5 kielimallia ilman painojen päivittämistä.
JulkaisijaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Memento 3 selvitti ARC AGI 3:n julkisen aineiston 25 peliä ja 183 kenttää 7 518 toiminnolla.
- Agentti käytti Claude Opus 5 kielimallia ilman painojen päivittämistä. Se paransi toimintaansa muokkaamalla ulkoista sääntökirjaa ja sen pohjalta rakennettua koodattua maailmamallia.[1][8][13]
- Tulos koskee julkisia pelejä. Se ei vielä osoita, että menetelmä toimisi yhtä hyvin piilotetuissa testeissä tai todellisen maailman vaihtelevissa ympäristöissä.[7][27]
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Memento 3, developed by Huawei Noah’s Ark Lab, University College London and partners, clear all 25 games and 183 levels of the ARC. Article summary: Memento 3’s reported gain came from changing the agent’s external memory and planning machinery—not the language model’s weights: it repeatedly wrote, tested and revised a rulebook and executable simulator, then used tha. Topic tags: general web, llm, ai, workflow, productivity. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts
Memento 3:n tulos ei syntynyt kielimallin uudelleenkouluttamisesta. Järjestelmä piti pelien säännöistä ulkoista, päivitettävää muistiota ja rakensi sen pohjalta suoritettavan mallin, jonka avulla se pystyi ennakoimaan pelin tapahtumia ja suunnittelemaan siirtojaan.1
5
6
Huawei Noah’s Ark Labin, University College Londonin ja muiden yhteistyötahojen kehittämä agentti läpäisi ARC-AGI-3:n julkisesta aineistosta kaikki 25 peliä ja 183 kenttää. Siihen kului 7 518 toimintoa, kun ihmispelaajien vastaava yhteismäärä oli 17 135. Memento 3 käytti siis noin 44 prosenttia ihmisten toimintomäärästä ja sai RHAE-mittarilla täydet 100 pistettä.8
27
ARC-AGI-3:ssa agentti kohtaa interaktiivisia pelejä, joiden toimintatavat ja tavoitteet sen on selvitettävä pelin aikana. Keskeinen kysymys on, miten järjestelmä oppii ympäristön säännöt eikä vain arvaa seuraavaa siirtoa.
Sääntökirjasta suoritettavaksi malliksi
Memento 3:n menetelmää kuvataan ajatuksella ”koodi mallina”. Käytännössä agentti ylläpitää kahta toisiaan täydentävää asiaa:
- Sääntökirja: Markdown-muotoinen teksti, johon agentti kirjaa havaintojaan pelin esineistä, toiminnoista ja säännöistä. Epäselvät asiat voidaan jättää avoimiksi, kunnes niistä on enemmän näyttöä.
1
7
- Suoritettava maailmamalli: sääntöjen pohjalta laadittu Python-ohjelma, joka mallintaa pelin tapahtumia. Agentti voi käyttää sitä eri toimintojen ennakointiin ja suunnitteluun.
5
14
Työskentely etenee havaintojen, pohdinnan, sääntöjen korjaamisen, koodin päivittämisen ja tarkistamisen kierroksina. Jos pelin todellinen tapahtuma ei vastaa mallin ennustetta, agentti voi muuttaa sekä kirjallista sääntöä että sitä toteuttavaa koodia.1
5
Yhdessä esimerkissä agentti oppii, että tietyn laatan päälle astuminen kääntää mukana kannettavaa merkkiä 90 astetta myötäpäivään.5 Raportoinnin mukaan Git-versiohallinta auttaa seuraamaan sääntöihin ja koodiin tehtyjä muutoksia sekä palaamaan tarvittaessa aiempaan versioon.
14
Tässä yhteydessä ”itseparantuminen” tarkoittaa ulkoisen muistin ja ohjelman muokkaamista. Kielimallin painoja ei päivitetä.1
6
Kielimalli pysyi ennallaan
Memento 3:n pohjamallina oli Claude Opus 5, ei Huawein oma kielimalli. Lähteissä järjestelmän kerrotaan toimineen ilman mallin painojen päivityksiä tai peleihin kohdistuvaa hienosäätöä.8
13 Vertailutuloksena Claude Opus 5:n RHAE-arvoksi ilmoitetaan noin 40,7 ARC Prize -testauskehyksessä.
10
14
Tämä vertailu antaa viitteen siitä, miten paljon agentin ympärille rakennettu muisti ja suunnittelu voivat vaikuttaa tulokseen. Se ei kuitenkaan yksin kerro, kuinka suuri osuus parannuksesta johtui yksittäisistä osista tai miten järjestelmät pärjäisivät tasavertaisella laskentabudjetilla.
Pong-kokeilu ja näytön rajat
Tutkimuksen kuvauksen mukaan agentti oppi myös Pong-pelin ohjausstrategian. Sen jälkeen erillinen ohjain voitti kolme arvioitua peliä 21–0 ilman uusia kielimallikutsuja.1 Tulos havainnollistaa, että opitusta mallista voi tehdä itsenäisesti suoritettavan ohjaimen — mutta kolme peliä on rajallinen näyttö laajemmasta pelikyvystä.
Memento 3:n raportoitu läpäisy koskee ARC-AGI-3:n julkisia pelejä. Se ei vielä osoita vastaavaa suoriutumista piilotetuissa arviointipeleissä.7
27 Myöskään vähäisempi toimintojen määrä ei itsessään kerro, kuinka paljon järjestelmä käytti laskentaa, aikaa tai rahaa.
Lähteissä mainittuja yksityiskohtaisia väitteitä esimerkiksi joidenkin osakokeiden hyödyistä tai vertailuasetelmista ei voi käytettävissä olevien katkelmien perusteella vahvistaa kattavasti. Siksi tulosta kannattaa pitää kiinnostavana osoituksena ulkoisen muistin ja koodatun suunnittelun mahdollisuuksista, ei vielä todisteena yleiskäyttöisestä, todellisessa maailmassa toimivasta agentista.1
7
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Memento 3 läpäisi kaikki 25 ARC-AGI-3-peliä ulkoisen muistin ja koodin avulla"?
Memento 3 selvitti ARC AGI 3:n julkisen aineiston 25 peliä ja 183 kenttää 7 518 toiminnolla.
What are the key points to validate first?
Memento 3 selvitti ARC AGI 3:n julkisen aineiston 25 peliä ja 183 kenttää 7 518 toiminnolla. Agentti käytti Claude Opus 5 kielimallia ilman painojen päivittämistä. Se paransi toimintaansa muokkaamalla ulkoista sääntökirjaa ja sen pohjalta rakennettua koodattua maailmamallia.[1][8][13]
What should I do next in practice?
Tulos koskee julkisia pelejä. Se ei vielä osoita, että menetelmä toimisi yhtä hyvin piilotetuissa testeissä tai todellisen maailman vaihtelevissa ympäristöissä.[7][27]
Sources
ai-pulse-lab.comAI 自己给自己写规则书，然后照着升级 · AI Pulse 论文解读
cctest.aiHow Memento 3 Used World Models to Beat 25 Games - CCTest
x.comHuawei Noah's Ark Lab's Memento 3 Agent Clears All 25 ARC-AGI-3 Public Games With a Frozen Model