华为Memento 3通关ARC-AGI-3全部25款游戏，操作次数比人类少56%

华为诺亚方舟实验室联合UCL等团队提出名为Memento 3的AI智能体系统，在ARC-AGI-3公开集中打通全部25款游戏、183个关卡。人类完成同一套关卡需要17135次操作，而Memento 3仅用7518次，比人类少约56%，最终取得满分100的RHAE成绩（相对人类行动效率）。

值得注意的是，该系统以Claude Opus 5为底模，全程未更新模型权重，也未针对游戏进行微调，而是自行上手试玩、推断规则、编写代码，出错后还会反思修正。作为对比，Claude Opus 5在ARC Prize官方标准测试框架下平均RHAE仅约40.7分，换用该智能体系统后成绩提升59.3分。研究团队还让它试玩Atari经典游戏Pong，AI自行摸索出控制策略后，不再向大模型请求推理，连续三局以21:0击败对手。

ARC-AGI-3将AI直接放入陌生游戏世界，规则需自行猜测，目标需自行寻找，操作效果需自行试验。这25款公开游戏共183个关卡，画面多由简单像素、方块、颜色和图形组成，后续关卡还可能引入推翻此前经验的新规则。此前普林斯顿大学的Continual Harness仅通关3款游戏、得20.5分，英伟达团队参与的DreamTeam通关6款、得38.1分，独立研究者David Courtis的OPINE-World和英伟达团队的NOOA分别得78.4分和85.1分，独立开发者Sergey Rodionov的baseline1通关全部25款游戏、得99分。

Memento 3的核心方法称为Code as Model（代码即模型），即让AI在游戏过程中维护一本不断更新的“游戏攻略”和一套能模拟游戏运行的代码，先在自己搭建的模拟器中推演不同路线再决定下一步。当初始规则理解有误时，系统会推翻重来：例如AI起初以为踩上特殊地板后角色图案会按进入方向镜像翻转，实测发现是顺时针旋转90度且与方向无关，于是修改规则手册并同步更新Python代码，再重新模拟此前操作，逐格对比64×64游戏画面，确认代码能准确复现真实结果。