华为诺亚方舟实验室、UCL 等团队推出的智能体系统 Memento 3，通关了 ARC-AGI-3 公开集中的 25 款游戏、183 个关卡。论文报告称，它用了 7518 次操作，而人类完成同一组关卡需要 17135 次；系统获得满分 100。
Memento 3 以 Claude Opus 5 为底模，未更新模型权重，也未针对游戏微调。它会把摸索出的规则写进手册和可执行代码，再通过模拟与实际画面对照来修正错误。团队还报告称，在 Atari Pong 的三种开局中，学成的控制程序都以 21:0 获胜，之后不再调用大模型。
这些结果来自游戏环境中的实验；团队指出，方法在更复杂、多变的现实环境中是否有效，仍待验证。
为什么重要
对研究 AI 智能体的团队来说，这项实验显示，冻结大模型参数也可能通过外部规则手册和可执行模型改进游戏表现；能否迁移到现实任务仍未知。
