UCL 发布 Memento 3：冻结 LLM 借规则书自进化，ARC-AGI-3 全通关
UniversityCollegeLondon · hf · 2026-10-09
伦敦大学学院发布 Memento 3，探索基于模型的递归自我改进（RSI）路线：底层 LLM 保持冻结，agent 用自然语言「规则书」作为持久语义记忆，记录可修订的环境动态假设，并编译为可执行代码用于预测与规划。
核心机制：
- agent 在「观察→反思→修订规则→编译→验证」的持续循环中，用预测误差同时改进规则书和代码
- 新代码只有在 LLM 判断其忠实于规则书、且逐格回放能复现观测转移时才被接受
- 种群扩展版并行维护多个世界模型，共享交互证据并用预测分歧引导探索
实验结果亮眼：在 ARC-AGI-3 上，单模型 agent 通关全部 25 个公开游戏的所有关卡，平均相对人类动作效率（RHAE）达 100.0，动作数仅为人类的 44%；Atari Pong 案例中，学到的反馈控制器在三种开局下均 21:0 获胜，且无需进一步调用 LLM。
「编程与Agent」频道最新
- Karpathy 断言 Prompting 将消亡:Graphs 才是 Agent 的终局形态 — VeryWellVersed · 2026-10-09
- AgenticBBO-Bench 发布:LLM Agent 黑盒优化横评,GPT-6 Astra 与 DeepSeek-V4.1-Flash 占 Pareto 前沿 — Ming Chen · 2026-10-09
- 用 Ollama 本地免费用 Claude Code 式编程 Agent — nikola_mr64990 · 2026-10-09
- 开发者用豆包播客 API 开源双人 AI 电台，自动播报热门科技新闻 — vista8 · 2026-10-09
- Hugging Face tokenizers v0.23.3 发布,修复 0.23.1 破坏性变更 — LysandreJik · 2026-10-09
- 博主复盘:两年前押注 LLM 反编译与程序理解,如今证明方向是对的 — paul_cal · 2026-10-09