Huawei ra mắt agent Memento 3 vượt qua toàn bộ 25 trò chơi công khai trên ARC-AGI-3

Tóm tắt bằng AI từ phần nội dung bài gốc đọc được.

1. 1Nhóm nghiên cứu từ Huawei Noah's Ark Lab, University College London và các đối tác đã công bố hệ thống agent Memento 3, hoàn thành toàn bộ 25 trò chơi gồm 183 màn trong bộ dữ liệu công khai của benchmark tương tác ARC-AGI-3.
2. 2ARC-AGI-3 đưa tác nhân vào các trò chơi phong cách pixel lạ lẫm mà không báo trước quy tắc, mục tiêu hay tác động của hành động; Memento 3 hoàn thành bộ thử nghiệm trong 7.518 hành động so với 17.135 của con người, đạt điểm tối đa 100 RHAE.
3. 3Hệ thống vận hành trên mô hình đóng băng Claude Opus 5 ở mức suy luận cao nhất mà không cần tinh chỉnh hay cập nhật trọng số; mô hình nền này vốn chỉ đạt trung bình khoảng 40,7 RHAE nếu không có cấu trúc tác nhân bao quanh.
4. 4Kiến trúc mang tên Code as Model duy trì sổ quy tắc bằng ngôn ngữ tự nhiên rồi biên dịch thành mã Python để tự mô phỏng trò chơi, đối chiếu từng khung hình 64x64 và theo dõi chỉnh sửa qua Git để hoàn tác khi phát hiện dự đoán sai lệch.
5. 5Trong các thử nghiệm thành phần trên 3 trò chơi, việc duy trì sổ quy tắc giúp giảm khoảng 9% số hành động; việc chạy hai mô hình thế giới cạnh tranh cũng giúp giảm số hành động từ 899 xuống 597 ở một trò chơi cụ thể.
6. 6Khi thử nghiệm trên Atari Pong, hệ thống học vật lý bóng nảy từ khoảng 9.500 khung hình và thắng áp đảo 21-0 trong 3 trận mà không cần gọi mô hình ngôn ngữ, dù tác giả lưu ý quá trình khám phá rất tốn token và chưa kiểm chứng trên môi trường thực tế phức tạp.

Nguồn: pandaily