華為AI靠RSI通關25款遊戲！操作次數比人類少56%

來源原標題

華為AI靠RSI通關25款遊戲！操作次數比人類少56%

作者

一水

原始標籤

資訊

原始連結

https://www.qbitai.com/2026/10/502654.html

摘要原文

華為AI靠RSI通關25款遊戲！操作次數比人類少56% 一水 2026-10-12 13:48:36 來源： 量子位 遊戲打到21:0，AI甚至不用再呼叫大模型了 一水 發自 凹非寺 量子位 | 公眾號 QbitAI 一邊打遊戲，一邊給自己升級？ 好傢伙，華為這波直接讓AI學會了《邊玩邊變強》啊？！ 最新一項研究，華為諾亞方舟實驗室聯合UCL等團隊拿出了一個名叫 Memento 3 的AI智慧體系統—— 直接把ARC-AGI-3公開集裡的25款遊戲、183個關卡，全部打通了。 還不是靠無腦試錯硬闖過去的。 人類完成同樣一套關卡，需要17135次操作。 而Memento 3只用了7518次， 比人類少操作約56%，最終拿下了滿分100的RHAE成績 （Relative Human Action Efficiency，相對人類行動效率）。 更離譜的是， 這套系統以Claude Opus 5為底模，全程沒有更新模型權重，也沒有針對遊戲進行微調 。 它就這麼自己上手玩，自己琢磨規則，自己寫程式碼，玩錯了還會反思、修改。 然後就……滿分通關了。 作為對比，Claude Opus 5在ARC Prize官方標準測試框架下，平均RHAE只有約40.7分。 同樣的底模，換了套智慧體系統，成績居然直接飆升了59.3分。 還沒完。 這套方法不光能玩解謎遊戲，研究團隊還讓它跑去打了Atari經典遊戲Pong（乒乓球）。 結果，AI自己摸索出控制策略，隨後不用再向大模型請求推理，就連續三局把對手打成了21：0。 不是，大模型都不參與後續操作了，遊戲居然還能打得這麼溜？！ 關鍵就藏在這項研究的題目裡： Model-Based Recursive Self-Improvement，基於世界模型的遞迴自我改進 。 華為AI直接通關25款遊戲，操作次數比人類還少56% 先說說這25款遊戲到底什麼來頭。 它們來自ARC Prize推出的ARC-AGI-3，關注AI評測的朋友，對ARC系列應該不陌生。 但這一代有個非常明顯的變化： 不再只是出題解題那一套了，這次是直接把AI扔進陌生的遊戲世界 。 規則，是需要AI自己猜的；目標，是需要AI自己找的；操作會產生什麼效果，是需要AI自己試的。 AI：合著全都靠我唄~ 這25款公開遊戲一共包含183個關卡，畫面大多由簡單的畫素、方塊、顏色和圖形組成。 乍一看，甚至有點像幾十年前的小遊戲合集。 但可別被這樸素的畫風騙了。 對AI來說，怎麼操作不是最難的，最麻煩的是壓根不知道這個世界怎麼運轉。 踩上特殊地板會發生什麼？一扇門打不開，是顏色沒對上，還是形狀不匹配？ 更麻煩的是，後面的關卡還可能出現新規則，把之前摸索出的經驗全部推翻。 別說AI了，人類玩家也會卡住 。 ARC Prize的測試資料顯示，在一款需要操控變形蟲移動、變色的益智遊戲r11l中，10名參與者全部通關；而另一款考驗符號破譯能力的解謎遊戲tr87，12人挑戰，只有6人成功。 在華為AI之前，各路研究團隊就已經卷得相當激烈了： 普林斯頓大學推出的Continual Harness只通關了3款遊戲，拿下20.5分。 輝達研究人員參與開發的DreamTeam稍好一些，通關6款，得分38.1。 再往上，獨立研究者David Courtis開發的OPINE-World，以及輝達團隊的NOOA，分別拿到了78.4分和85.1分。 最猛的是獨立開發者Sergey Rodionov的baseline1，不僅把25款遊戲全部打通，還拿到了99分，距離滿分只差1分。 但華為團隊這次，直接把最後這1分也補上了 。 Memento 3不僅以100分的成績通關全部25款遊戲、183個關卡，還把總操作次數壓到了7518次，比baseline1的8347次又少了829次。 不光通關了，而且還用更少的步驟通關。 怎麼做到的？？ 不用訓練大模型，AI靠給自己寫攻略實現“打怪升級” 翻了下論文，Memento 3的核心方法叫 Code as Model（程式碼即模型） 。 聽著有點抽象，其實就是讓AI在玩遊戲的過程中，給自己準備兩樣東西： 一本不斷更新的遊戲攻略，以及一套能模擬遊戲執行的程式碼。 Rulebook（規則手冊）：一份Markdown文件，記錄AI在遊戲裡摸索出的規律，比如什麼操作會觸發什麼效果、怎樣才能通關，還有哪些規則沒搞明白。 Executable World Model（可執行世界模型）：AI會把自己總結出的規則，直接寫成能夠執行的Python程式碼，相當於自己搓了一個簡化版的遊戲模擬器。 有了這兩樣東西，AI就能先在自己搭建的模擬器裡推演不同路線，再決定下一步怎麼走。 但問題來了，萬一一開始理解的遊戲規則就是錯的呢？ 別急， Memento 3不僅會自己寫攻略，發現寫錯了，還能自己推翻重來 。 論文裡就展示了一個例子。 AI在一款解謎遊戲中遇到特殊地板，起初以為踩上去後，角色攜帶的圖案會根據進入方向發生映象翻轉。 結果真正試過才發現，圖案不是翻轉，而是順時針旋轉90度，並且與進入方向無關。 於是AI修改規則手冊，對應的Python程式碼也跟著更新。 不過，改完還得驗。 系統會重新模擬此前的操作，逐格對比64×64的遊戲畫面，確認程式碼能準確復現真實結果。 對不上，就繼續改。 就這樣，AI一邊探索，一邊糾錯，規則越改越準。 而且前面學到的經驗，還能帶到後面的關卡 。 比如符號解密遊戲tr87，AI最初分不清符號朝向是否影響含義，後來發現不同方向的符號可能代表同一個字母。 隨著新關卡出現，它又推翻了之前對游標位置的理解。 整場遊戲下來，同一份規則手冊迭代了11個版本。 為了方便回溯，研究團隊甚至引入了Git版本管理。 每次修改規則和程式碼都會留下記錄，發現哪裡改錯了，還能翻看歷史版本，必要時直接恢復。 好傢伙，打個遊戲還順手維護起程式碼倉庫了。 這也正是研究團隊所說的遞迴自我改進（RSI）。 大模型參數不用動，AI通過不斷積累經驗、修改規則和程式碼，就能讓自己越玩越熟練。 而且，這套方法還真有資料支撐。 研究團隊在三款遊戲中做了對照實驗： 保留規則手冊時，AI總共用了617次操作；去掉規則手冊，只保留程式碼世界模型，則需要677次。 相當於有了這本攻略，操作次數減少約9%，智慧體執行輪次也減少了約18% 。 但研究團隊還不滿足於此。 既然一個世界模型能幫助AI少走彎路，那同時用兩個呢？ 於是，他們讓AI同時維護兩套世界模型，共享遊戲操作記錄，但各自推演不同的規則假設。 結果，在遊戲wa30中，單世界模型需要899次操作才能通關，換成雙世界模型後，直接降到了597次。 操作次數又減少了約34% 。 當然，這一提升目前只在wa30上得到驗證，還不能直接推廣到其他遊戲。 但至少在這些實驗裡，Memento 3證明了一件事： 不用重新訓練大模型，AI也能靠不斷修正自己對世界的理解，越玩越強。 遊戲打到21：0，AI甚至不用再呼叫大模型了 那這套方法只能用來玩解謎遊戲嗎？ 研究團隊決定再加點難度，直接把Memento 3拉去挑戰經典街機遊戲Atari Pong（乒乓球）。 和前面的解謎遊戲不同，這次小球會不斷移動、反彈，AI不僅要摸清遊戲規則，還得即時判斷球的運動軌跡，控制球拍接球。 結果這一試，還真試出了點新東西 。 一開始，AI同樣不知道球的反彈規律，只能邊打邊摸索。 它最初以為，球拍可以分成四個區域，小球打在不同位置，就會朝對應方向彈出去。 結果打著打著，突然出現了一次水平反彈。 誒？這和之前總結的規則對不上啊。 於是AI重新分析碰撞位置，修改反彈公式，後來又遇到新的軌跡偏差，就繼續調整，逐漸總結出更符合實際情況的運動規律。 等到控制策略成熟，研究團隊乾脆讓這套程式獨立上場。 不再呼叫Claude Opus 5，也不再更新規則。 結果， 三次不同開局，全部打出了21：0 。 好傢伙，前面還在摸索怎麼接球，後面直接把對手打了個零封？？？ 而且注意了，這時候的大模型已經不用親自上場了。 它只負責前期摸索規則、總結打法，等策略學會了，直接交給程式碼執行。 作為對比，如果不使用世界模型，只讓大模型根據眼前的畫面決定下一步怎麼操作，最終得分只有-19，和隨機亂按的-20.7差不了多少。 這一對比，差距就出來了。 與其讓大模型每一步都重新思考，不如先讓它學會怎麼玩，再把打法交給程式 。 而且效率也挺誇張。 論文資料顯示，Memento 3大約只用了 9500幀遊戲畫面 ，就學出了這套控制策略。 相比之下，部分傳統強化學習方法往往需要數十萬甚至上億幀訓練資料。 當然，這不代表Memento 3沒有成本。 畢竟，它背後用的是開啟Extra-High推理強度的Claude Opus 5，探索、生成程式碼和驗證的過程，都需要消耗不少Token和算力。 而且目前實驗主要針對規則相對明確的遊戲環境，如果換成更加複雜、多變的現實世界，這套方法還能不能奏效，仍有待驗證。 不過，這項研究倒是指出了一個值得關注的方向： 遞迴自我改進（RSI）並不一定要動模型底層權重。通過構建可檢查、可執行、可回滾的外部世界模型，凍結參數的通用大模型同樣能在陌生領域裡自我迭代、迅速進化。 論文地址： https://arxiv.org/abs/2610.11794 參考連結： https://x.com/ScarletKc/status/2109169173540884935 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 一水 6天燒光2000多萬，拿下開源第一！小米史無前例「煉丹直播」收官 2026-09-22 國產RSI模型交卷！Flash模型靠它反打旗艦 2026-09-17 啊啊啊GPT-6 Astra這麼不安全！這次馬斯克都癱坐了 2026-09-21 剛剛，唐傑釋出智譜RSI首個成果 2026-09-17