# ARC-AGI-3

ARC-AGI-3 要求智能体在无指令的交互环境中用尽量少的动作通关，而把画面当作整数矩阵直接喂给推理模型会让它反复撞墙。Sarbloh 在主机端用无学习参数的代码算出可达性、包围、中点系连和二面体对称等几何事实，把角色判断留成带一次动作验证的猜测，并让智能体在 Python 内核里用 await play() 提交多步路径。在官方隐藏集上，它的得分从 0.27 的初始基线升到 16.53；原文把这一提升表述为相对首个 Milestone 冠军的 13.7 效率改进，而同一份表格给该冠军的分数是 1.21。

ARC-AGI-3 要求智能体在无指令的交互环境中用尽量少的动作通关，而把画面当作整数矩阵直接喂给推理模型会让它反复撞墙。Sarbloh 在主机端用无学习参数的代码算出可达性、包围、中点系连和二面体对称等几何事实，把角色判断留成带一次动作验证的猜测，并让智能体在 Python 内核里用 await play() 提交多步路径。在官方隐藏集上，它的得分从 0.27 的初始基线升到 16.53；原文把这一提升表述为相对首个 Milestone 冠军的 13.7 效率改进，而同一份表格给该冠军的分数是 1.21。

作者提出一套测量协议，仅凭编码智能体写下的脚本与笔记，追踪其在ARC-AGI-3的关卡边界上如何保留、改写或丢弃知识；在来自两个模型家族、三个骨干的七次运行中，脚本几乎不跨任务复用（630次引用中仅33次跨边界），74%的边界前脚本被丢弃，笔记只增不删，而最昂贵的错误是把硬编码值带入新任务，唯一有效的修复是把常量改成必须逐任务重新提供的参数。

作者提出一套测量协议，仅凭编码智能体写下的脚本与笔记，追踪其在ARC-AGI-3的关卡边界上如何保留、改写或丢弃知识；在来自两个模型家族、三个骨干的七次运行中，脚本几乎不跨任务复用（630次引用中仅33次跨边界），74%的边界前脚本被丢弃，笔记只增不删，而最昂贵的错误是把硬编码值带入新任务，唯一有效的修复是把常量改成必须逐任务重新提供的参数。

Memento 3 提出 Code as Model：冻结的 LLM 智能体把对环境的假设写成自然语言规则手册，编译为可执行代码用于预测与规划，并通过观察、反思、规则修订、编译、验证的循环持续修正两者；更新只有在 LLM 判定代码忠实于规则手册且逐格回放能复现全部已记录转移时才被采纳。在 ARC-AGI-3 上，单模型智能体通关全部公开游戏的全部关卡，平均 RHAE 达到上限，动作数为人类基线的 44%；Atari Pong 案例中学习到的反馈控制器在三个不同开局的对局中全部获胜，执行期不再调用 LLM。

Memento 3 提出 Code as Model：冻结的 LLM 智能体把对环境的假设写成自然语言规则手册，编译为可执行代码用于预测与规划，并通过观察、反思、规则修订、编译、验证的循环持续修正两者；更新只有在 LLM 判定代码忠实于规则手册且逐格回放能复现全部已记录转移时才被采纳。在 ARC-AGI-3 上，单模型智能体通关全部公开游戏的全部关卡，平均 RHAE 达到上限，动作数为人类基线的 44%；Atari Pong 案例中学习到的反馈控制器在三个不同开局的对局中全部获胜，执行期不再调用 LLM。

作者提出 VISTA——一种为通用多模态模型提供长时程视觉的视觉外挂，让模型直接以视觉观察感知环境、以无损视觉记忆保留原始观察并主动检索重组视觉输入；在 ARC-AGI-3 上把 Claude Opus 5.0 的相对人类动作效率从 40.68 提升到满分 100.00，用比首次参与的人类少 57.4% 的动作完成全部 25 个公开游戏，并在另外三个覆盖多种视觉游戏与谜题的基准上大幅超过同一底层模型配最小外挂的基线。

作者提出 VISTA——一种为通用多模态模型提供长时程视觉的视觉外挂，让模型直接以视觉观察感知环境、以无损视觉记忆保留原始观察并主动检索重组视觉输入；在 ARC-AGI-3 上把 Claude Opus 5.0 的相对人类动作效率从 40.68 提升到满分 100.00，用比首次参与的人类少 57.4% 的动作完成全部 25 个公开游戏，并在另外三个覆盖多种视觉游戏与谜题的基准上大幅超过同一底层模型配最小外挂的基线。