UCL 与华为诺亚发 Memento 3：冻结 LLM，用反思规则书通关 ARC-AGI-3 全部 25 款游戏
伦敦大学学院与华为诺亚方舟实验室联合发布 Memento 3，一份让冻结 LLM 智能体持续学习「显式世界模型」的方案。智能体在外部维护一本自然语言写的规则书，记录可修订的环境动力学假设，未知部分保持未指定；系统把它编译成可执行代码用于预测与规划，形成「观察—反思—修订—编译—验证」的持续循环，用预测误差同时改进规则书与代码。
更新要被采纳必须同时过两关：LLM 判断新代码与规则书语义一致，且在沙箱里做单元级精确重放、能复现历史观测到的状态转移。作者把它当作一条基于模型而非基于参数的递归自我改进路径来考察：底层 LLM 全程冻结，智能体自己探索环境、修订世界模型、再用通过验证的更新指导后续交互。论文另给出种群版本，让多个世界模型并行、共享交互证据并互相引导探索。
在 ARC-AGI-3 上，单模型智能体通关全部 25 款公开游戏的每一个关卡，平均相对人类动作效率（RHAE）达到 100.0，动作步数只占人类的 44%；Atari Pong 的案例中，它自主学出的反馈控制器在三局不同开局里都以 21:0 取胜，全程不再调用 LLM。论文 2026-10-08 上线 arXiv（2610.11794），作者名单含 Jun Wang、Rasul Tutunov 等。
原文链接：arXiv（UCL / 华为诺亚方舟）
核验记录
日期取自 arXiv 2610.11794 的 citation_date 与 citation_online_date，两者同为 2026/10/08。作者与标题直读 arXiv 页（citation_author / citation_title）；正文所有数字（RHAE 100.0、25 款游戏、44% 动作步数、Pong 21:0）逐句取自摘要。**未读过的一环**：本机未能定位到该论文的代码或权重仓库（GitHub 搜索 reflective rulebook / memento rulebook 命中 0，HF search=memento 无对应仓），因此正文未写「已开源」；中文自媒体称「开源」但无仓库可核，按 R38 记为我方访问结果。配图用 Hugging Face 论文社交缩略图，裸请求与带站内 Referer 双双 200（PNG 1200x648）。