華為 Memento 3 通關 ARC-AGI-3 全部 25 款遊戲，操作次數比人類少 56%
華為諾亞方舟實驗室聯合 UCL 等提出 Memento 3，不更新權重、不針對遊戲微調，僅以 Claude Opus 5 為底模就通關 ARC-AGI-3 公開集全部 25 款遊戲、183 個關卡，拿下滿分 100 的 RHAE，總操作 7518 次，比人類的 17135 次少約 56%，也低於此前 baseline1 的 8347 次。
它把 ARC-AGI-3 公開集從此前最高的 99 分推到滿分 100，且操作次數少於人類 56%，展示凍結引數模型靠可執行世界模型遞迴自我改進的路徑，對關注 RSI 與 agent 評測的研究者有用。
原標題：华为AI靠RSI通关25款游戏！操作次数比人类少56%
閱讀原文
| 評分 | 86 / 84（平均 85，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
三款 AI 代理跨國任務實測：權限與可觀測性差異明顯
研究者 Roya Pakzad 用同一提示詞讓 Meta Muse、Anthropic Claude Cowork Opus 5.5 Medium 和 OpenAI GPT 6.1 Sol 分別補全世界銀行政府採購資料庫中美國與伊朗的資料，美國任務用英文、伊朗任務用波斯文。GPT 僅開頭請求一次網站存取權限；Claude 全程詢問 18 次且因沙箱限制改用 2018 年 DataBank API 資料；
逆向工程後，AI Agent 跑在 48MB 記憶體的諾基亞 110 上
一位開發者把 AI Agent 跑在了只有 48MB RAM 的諾基亞 110 功能機上，並已用它自動化了幾個操作。他平時用這部手機來減少螢幕時間，最初嘗試刷入 Android 系統，因記憶體只有 48MB 而失敗，隨後花幾天時間逆向工程，最終讓 AI Agent 在這臺手機上執行。該帖發在 Hacker News 的 Show HN 板塊，目前 15 分、3 條評論，作者未說明所用的是哪個 AI 模型，也沒列出具體自動化了哪些操作。
何愷明團隊發布視覺原生 Harness 框架 VISTA
何愷明團隊提出視覺原生 Harness 框架 VISTA，讓現有多模態模型無需重新訓練，就能儲存原始畫面並在推理時按需回看、放大細節。VISTA 把環境返回的每幀畫面按回合號、幀號索引存到上下文之外，預設只向模型展示最後一幀，需要時用 inspect 工具調取歷史畫面。搭配該框架，Claude Opus 5.0 通關 ARC-AGI-3 全部 25 個公開遊戲，動作效率得分滿分 100，所用動作數比人類首次遊玩基線少 57.4%；
文章稱 agent 不需要記憶外掛，應改用文件式記憶
2026 年 10 月 3 日，一篇技術文章批評市面上的 agent 記憶外掛本質都是 RAG：把會話切成片段存入向量庫，每次提示注入最相似的 5 條，存在相似度不等於正確、片段脫離上下文、舊記憶被當作事實、無法審計等問題。作者主張改用文件式記憶，讓 agent 工作前查閱 Markdown 文件、工作後更新，並稱已把這一思路做成外掛 Operator Memory，不使用向量資料庫和嵌入。
六款 AI 決策模型吃豆人對戰，基準與排行榜開源
有人讓 jev 1.13、kev、clef、clef flash、GPT-6 Luna 和 Laya 六款低延遲決策模型玩吃豆人對抗機器人鬼魂，每個模型各跑 100 局，並公布了排行榜。測試倉庫已開源，任何人都能接入自己的模型加入排名。這些模型通過其創業公司 opper 執行，一局成本約 2 美分，併為所有人提供免費試用額度。讀者也能自己扮演吃豆人、由模型當鬼魂，作者稱打破 jev 的高分出乎意料地難。