Câu trả lờiĐã xuất bản19 nguồn
Memento 3 chinh phục 183 màn chơi bằng cách tự viết quy tắc rồi mô phỏng
Memento 3 hoàn thành cả 25 trò chơi và 183 màn trong bộ công khai ARC AGI 3 với 7.518 lượt hành động, so với 17.135 lượt của người chơi; hệ thống đạt RHAE 100.[8][27] Thay vì chỉ suy luận trực tiếp từ hình ảnh, tác nhân ghi lại giả thuyết về luật chơi trong một sổ luật, chuyển chúng thành chương trình mô phỏng rồi d...
Đăng bởiHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Memento 3 hoàn thành cả 25 trò chơi và 183 màn trong bộ công khai ARC AGI 3 với 7.518 lượt hành động, so với 17.135 lượt của người chơi; hệ thống đạt RHAE 100.[8][27]
- Thay vì chỉ suy luận trực tiếp từ hình ảnh, tác nhân ghi lại giả thuyết về luật chơi trong một sổ luật, chuyển chúng thành chương trình mô phỏng rồi dùng mô hình đó để lập kế hoạch.[1][5][6]
- Claude Opus 5 là mô hình nền được báo cáo sử dụng; nhóm không cập nhật trọng số hay tinh chỉnh mô hình riêng cho từng trò chơi.[10][13][14]
- Kết quả cho thấy kiến trúc bộ nhớ ngoài và mô hình thế giới có thể hỗ trợ tác nhân trong bộ trò chơi công khai, nhưng chưa chứng minh hiệu quả tương tự trên bộ đánh giá ẩn hay môi trường đời thực.
Prompt AI
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 đạt kết quả bằng cách thay đổi cách tác nhân lưu giữ kiến thức và lập kế hoạch, chứ không cập nhật trọng số của mô hình ngôn ngữ. Hệ thống liên tục ghi lại, kiểm tra và chỉnh sửa một bộ quy tắc cùng chương trình mô phỏng có thể chạy được, rồi dùng chương trình đó để dự đoán và chọn hành động.1
5
6
Nhóm nghiên cứu thuộc Huawei Noah’s Ark Lab, University College London (UCL) và các đối tác báo cáo rằng Memento 3 hoàn thành cả 25 trò chơi, gồm 183 màn trong bộ công khai ARC-AGI-3, với 7.518 lượt hành động. Người chơi cần tổng cộng 17.135 lượt cho cùng tập này; Memento 3 đạt điểm RHAE 100, tương đương khoảng 44% số lượt của con người, hay ít hơn khoảng 56%.8
27
Biến luật chơi thành thứ có thể kiểm tra
ARC-AGI-3 là một bài đánh giá tương tác: trò chơi hiển thị theo phong cách pixel nhưng không giải thích sẵn luật, mục tiêu hay ý nghĩa của các thao tác. Để tiến bộ, tác nhân phải tự tìm hiểu môi trường qua quan sát và thử hành động.
Memento 3 áp dụng cách tiếp cận được gọi là “Code as Model” — dùng mã làm mô hình. Thay vì chỉ dựa vào suy luận bằng ngôn ngữ, hệ thống duy trì hai thành phần bổ trợ nhau:
- Sổ luật: Tài liệu Markdown ghi lại hiểu biết hiện tại về vật thể, thao tác, cơ chế và mục tiêu. Những điều chưa rõ có thể được giữ ở trạng thái chưa xác định thay vì biến thành kết luận chắc chắn.
1
7
- Mô hình thế giới thực thi được: Các giả thuyết trong sổ luật được chuyển thành mã Python, tạo một mô phỏng đơn giản để dự đoán diễn biến và hỗ trợ lập kế hoạch.
5
14
Chu trình hoạt động gồm quan sát, suy ngẫm, sửa quy tắc, biên dịch thành mã và kiểm chứng. Nếu dự đoán của mô hình không khớp với điều xảy ra trong trò chơi, tác nhân có thể điều chỉnh cả sổ luật lẫn chương trình.1
5
Một ví dụ được thuật lại là tác nhân học được rằng bước lên một miếng đệm khiến huy hiệu đang mang xoay 90 độ theo chiều kim đồng hồ.5 Điểm quan trọng không phải là nó đoán đúng ngay từ đầu, mà là giả thuyết có thể được sửa khi quan sát mới cho thấy dự đoán ban đầu chưa chính xác.
Các thay đổi trong sổ luật và mã được ghi lại bằng Git, giúp nhóm có thể xem lại lịch sử và khôi phục phiên bản trước nếu một lần chỉnh sửa gây ra lỗi.14 Tuy vậy, các trích đoạn nguồn hiện có chưa đủ để xác minh độc lập quy trình cụ thể về phát lại toàn bộ nước đi rồi đối chiếu từng khung hình 64 × 64 pixel.
Mô hình nền được giữ nguyên
Các nguồn đưa tin cho biết Memento 3 sử dụng Claude Opus 5 làm mô hình nền, không cập nhật trọng số và không tinh chỉnh riêng cho từng trò chơi.10
13
14 Một số báo cáo nêu Claude Opus 5 đạt khoảng 40,7 RHAE trong bộ kiểm thử ARC Prize, trong khi hệ thống Memento 3 đạt 100.
10
14
Vì vậy, “tự cải thiện” trong trường hợp này nói đến việc tác nhân liên tục sửa kiến thức bên ngoài và chương trình mô phỏng, không phải tự huấn luyện lại mô hình ngôn ngữ nền.1
6 Kết quả cho thấy cách tổ chức bộ nhớ và lập kế hoạch có thể tạo khác biệt đáng kể trong bài đánh giá này; nhưng các số liệu được trích dẫn không tách riêng mức đóng góp của từng thành phần, cũng không phải phép so sánh đã được xác nhận là cân bằng hoàn toàn về lượng tính toán.
Pong và những điều chưa thể kết luận
Trích đoạn bài nghiên cứu được cung cấp cho biết một bộ điều khiển phản hồi đã học được cách chơi Pong, sau đó thắng cả ba lượt được đánh giá với tỷ số 21–0 mà không cần gọi mô hình ngôn ngữ thêm.1 Đây là bằng chứng cho thấy một bộ điều khiển có thể tiếp tục vận hành sau giai đoạn khám phá, nhưng nguồn hiện có chưa đủ để xác nhận chi tiết về ngân sách khoảng 9.500 khung hình hay chính xác tác nhân đã suy ra quy luật bóng nảy như thế nào.
Một số bài viết cũng nêu các kết quả thử nghiệm loại bỏ thành phần (ablation), chẳng hạn mức giảm số lượt hành động trên ba trò chơi hoặc so sánh một và hai mô hình thế giới trên một trò chơi. Tuy nhiên, các trích đoạn được cung cấp chưa đủ để xác minh độc lập những con số đó. Ngay cả nếu đúng như được thuật lại, thử nghiệm trên vài trò chơi vẫn chỉ là gợi ý ban đầu, chưa thể dùng để ước tính mức đóng góp trên toàn bộ benchmark.
Thành tích công khai chưa đồng nghĩa với năng lực tổng quát
Kết quả được báo cáo áp dụng cho các trò chơi công khai của ARC-AGI-3; nó không chứng minh Memento 3 sẽ đạt hiệu quả tương tự trên các màn đánh giá ẩn.7
27 Số lượt hành động ít hơn cũng không tự động đồng nghĩa với tổng chi phí thấp hơn về token, độ trễ hay tiền tính toán; các nguồn hiện có chưa cung cấp đủ dữ liệu để định lượng những yếu tố này.
Tương tự, chưa có đủ bằng chứng trong tài liệu được cung cấp để kết luận phương pháp sẽ hoạt động tốt trong môi trường đời thực nhiều nhiễu, quan sát thiếu hoặc thường xuyên thay đổi. Điều có thể nói thận trọng là Memento 3 đưa ra một cách tiếp cận đáng chú ý: ghi lại hiểu biết thành quy tắc rõ ràng, biến quy tắc thành mô hình có thể chạy và dùng sai khác giữa dự đoán với thực tế để chỉnh sửa.1
7
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Memento 3 chinh phục 183 màn chơi bằng cách tự viết quy tắc rồi mô phỏng" là gì?
Memento 3 hoàn thành cả 25 trò chơi và 183 màn trong bộ công khai ARC AGI 3 với 7.518 lượt hành động, so với 17.135 lượt của người chơi; hệ thống đạt RHAE 100.[8][27]
Những điểm chính cần xác nhận đầu tiên là gì?
Memento 3 hoàn thành cả 25 trò chơi và 183 màn trong bộ công khai ARC AGI 3 với 7.518 lượt hành động, so với 17.135 lượt của người chơi; hệ thống đạt RHAE 100.[8][27] Thay vì chỉ suy luận trực tiếp từ hình ảnh, tác nhân ghi lại giả thuyết về luật chơi trong một sổ luật, chuyển chúng thành chương trình mô phỏng rồi dùng mô hình đó để lập kế hoạch.[1][5][6]
Tôi nên làm gì tiếp theo trong thực tế?
Claude Opus 5 là mô hình nền được báo cáo sử dụng; nhóm không cập nhật trọng số hay tinh chỉnh mô hình riêng cho từng trò chơi.[10][13][14]
Nguồn
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