华为AI靠RSI通关25款游戏：操作次数比人类少56%

打游戏这件事，AI 已经不靠"背题"了。

据量子位报道，华为诺亚方舟实验室联合 UCL 等团队发布了一套 AI 智能体系统 Memento 3，直接把 ARC-AGI-3 公开集里的 25 款游戏、183 个关卡全部打通，拿到满分 100 分。人类完成同样的关卡需要 17135 次操作，它只用了 7518 次，比人类少约 56%。

关键在于：它没训练、也没动模型。

据了解，这套系统以 Claude Opus 5 为底模，全程不更新权重、也不针对游戏做微调，就是自己上手玩、自己猜规则、自己写代码。作为对比，同一个底模在官方标准框架下平均只拿到约 40.7 分。

它靠的是"边玩边给自己写攻略"。

方法叫「基于世界模型的递归自我改进」，简单说就是让 AI 维护两样东西：一本随时更新的规则手册（记录摸索出的规律），和一份把规则写成可运行 Python 代码的可执行世界模型（相当于自建一个简化版游戏模拟器）。发现规则错了，它会推翻重来。

论文里有个例子：AI 起初以为踩上特殊地板后，图案会按进入方向镜像翻转；实测后才发现是顺时针旋转 90 度、且与方向无关。于是它改手册、改代码，再重新模拟逐格比对 64×64 画面验证。一款符号解密游戏里，同一份手册迭代了 11 个版本，团队甚至引入了 Git 版本管理来追溯改动。

数据也支持这套思路：三款游戏对照实验显示，保留规则手册时共 617 次操作，去掉手册只剩代码世界模型则要 677 次；换上双世界模型后，某款游戏从 899 次降到 597 次。

最夸张的是打乒乓球。

在 Atari 经典游戏 Pong 里，AI 自己摸索出控制策略后，干脆不再调用大模型，连续三局把对手打成 21:0。而只靠大模型逐帧决策的对照组，得分仅 -19，和随机乱按差不多。

局限也很明白：它背后用的是高推理强度的 Claude Opus 5，探索、写代码、验证都要烧不少 Token 和算力，目前也主要针对规则相对明确的游戏环境，现实世界能否奏效还待验证。

但方向值得关注——递归自我改进不一定非要动模型底层权重，让一个"冻结"的通用大模型配上可检查、可执行、可回滚的外部世界模型，它也能在陌生领域里自己迭代、越玩越强。

来源：量子位《华为AI靠RSI通关25款游戏！操作次数比人类少56%》（2026-10-12）

原文链接：https://www.qbitai.com/2026/10/502654.html

论文地址：https://arxiv.org/abs/2610.11794