华为Memento 3如何靠世界模型通关25款游戏

2026年10月12日阅读约 3 分钟

导语

让大模型“边玩边学”并不新鲜，但真正困难的地方在于：它必须先弄清一个陌生世界的规则，再用尽可能少的动作完成任务。华为诺亚方舟实验室联合UCL等团队推出的Memento 3，正是围绕这一问题设计的智能体系统。

在ARC-AGI-3公开集的25款游戏、183个关卡中，Memento 3全部通关，获得100分的RHAE成绩。研究材料显示，人类完成同一组关卡约需17135次操作，而系统使用7518次，减少约56%。这里的关键并非重新训练一个专用模型，而是让通用大模型把探索结果沉淀为可执行的外部记忆。

Memento 3以Claude Opus 5为底模，但不更新模型权重，也没有针对具体游戏微调。它主要维护两类信息：

当真实画面与模拟结果不一致时，系统会重新检查假设，修改规则和代码，再通过逐格对比画面验证。研究案例中，系统曾误判特殊地板会镜像翻转图案，实际测试后发现是顺时针旋转90度，于是同步更新手册和程序。规则手册还可以跨关卡复用，并借助Git式版本记录实现回溯。

对照实验显示，保留规则手册后，三款游戏的总操作次数从677次降至617次，智能体执行轮次也减少约18%。在wa30游戏中，双世界模型将操作次数从899次降至597次。不过，后一个结果目前只在单款游戏上验证，不能直接视为普遍规律。

研究团队还将系统用于Atari Pong。Memento 3先通过观察球的运动和碰撞结果，逐步修正反弹模型与控制策略。策略成熟后，实际执行不再需要大模型逐帧推理，而由代码直接控制球拍。三种不同开局下，程序都以21比0获胜；整个学习过程约使用9500帧画面。

这说明大模型更适合承担“理解规则、提出假设和修正模型”的工作，而不是每一步都重新决策。对于规则稳定、反馈清晰的环境，经过验证的程序可以接管高频操作，降低推理调用和行动成本。

Memento 3展示了一种不依赖参数更新的递归自我改进路径：模型通过外部记忆、可执行模拟器和版本回滚，逐步改善对环境的理解。它与传统强化学习大量依赖训练数据不同，也区别于单纯依赖上下文记录的智能体架构。

但这并不意味着通用大模型已经具备稳定的现实世界自我进化能力。实验环境规模较小、规则相对明确，探索、代码生成和验证仍需消耗较多Token与算力。未来，这类方法能否应对部分可观测、规则持续变化且反馈昂贵的真实任务，仍需要更多测试。