Huawei ve UCL araştırmacıları, Memento 3 ajanının ARC-AGI-3’ün 25 açık oyununun hepsini insanlardan daha az hamleyle bitirdiğini bildirdi
University College London ve Huawei Noah’s Ark Lab araştırmacıları, 8 Ekim’de arXiv’e yüklenen makalede Memento 3 ajanının ARC-AGI-3’ün herkese açık 25 oyunundaki 183 seviyenin hepsini geçtiğini ve tavan puan olan 100 RHAE’yi aldığını bildirdi. Ajan, insan temel çizgisindeki 17.135 hamleye karşı 7.518 hamle yaptı. Claude Code içinde eğitimi değiştirilmeden çalışan Claude Opus 5, oyunun kurallarını doğal dilde bir kural defterine yazıyor, bunları Python koduna çeviriyor ve tahmini tutmadığında ikisini de düzeltiyor. Makale maliyet vermiyor; yalnızca her deneyin ciddi zaman ve para gerektirdiğini yazıyor.
Sonuç ARC Prize tarafından doğrulanmadı. ARC Prize, açık setin gizli setlerden kolay olduğunu söylüyor ve açık set puanlarını resmi sıralamaya almıyor. Açık sette 100 puan ilk de değil: NVIDIA ve Agno ağustosta benzer sonuçlar duyurmuştu. 10 Ekim’de bağımsız araştırmacı Singaraj B. de dil modeli kullanmayan, dizüstü bilgisayar işlemcisinde çalışan Ava ajanının 25 oyunu 7.372 hamlede bitirdiğini paylaştı. ARC sunucusundaki skor kartı bunu gösteriyor, ancak Ava’nın kaynak kodu yayımlanmadı.
Kaynaklar
- arXiv (Zhao ve diğerleri), “Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks”, Makale; 8 Ekim, tek sürüm, (arxiv.org)
- arXiv (HTML), “Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks”, Kurumlar, Claude Opus 5, 7.518 hamle, maliyet notu, (arxiv.org)
- Hugging Face Papers, Makalenin 9 Ekim'deki yayımı, (huggingface.co)
- AI Weekly, “Memento 3 Posts 100.0 RHAE on ARC-AGI-3 With Frozen LLM Rulebook”, Bağımsız haber; bağımsız tekrar yok, (aiweekly.co)
- ARC Prize Foundation (arXiv), “ARC-AGI-3: A New Challenge for Frontier Agentic Intelligence”, Açık set daha kolay, puanları resmi sıralamaya girmiyor, (arxiv.org)
- NVIDIA Technical Blog, “NVIDIA AVO Reaches 100% on ARC-AGI-3, Demonstrating a Frontier-Level General-Purpose Architecture for Long-Horizon Autonomous Agents”, Ağustostaki 100 puan (Claude Opus 5, 6.624 hamle), (developer.nvidia.com)
- Agno, “100% on the ARC-AGI-3 public set”, Ağustostaki 100 puan (gpt-5.6, resmi skor kartı, önceki koşulardan öğrenen "sıcak" koşu), (agno.com)
- Zenodo (Singaraj B.), “Ava Lovelace Zeno: a hand-crafted, CPU-only agent clears all 25 public ARC-AGI-3 games”, Ava'nın iddiası; dil modeli yok, kaynak kodu yayımlanmadı, (zenodo.org)
- ARC Prize, Ava'nın skor kartı: 25/25 oyun, 183 seviye, 7.372 hamle, (arcprize.org)
Bu haber hakkında
Bu haberde bir hata mı var? [email protected] · Instagram
Kısa link: thejarrus.com/memento-3
Bu haberin İngilizcesi: Huawei and UCL researchers say their Memento 3 agent cleared all 25 public ARC-AGI-3 games in fewer moves than humans
Aynı konuda
Anthropic, küçük yapay zeka modellerinin IoT cihazlarında kendini kopyalayabilmeye birkaç ay uzakta olabileceğini açıkladı
Anthropic’in Frontier Red Team raporuna göre küçük modeller, akıllı fırın ve TV kutusu gibi cihazlarda kendini kopyalayabilmeye birkaç ay uzakta olabilir.
OpenAI’ın matematik sonuçları üzerine tartışma büyüyor: Recht FFT iddiasını eleştirdi, Hales Lean için uyardı, Yau yeni bir ittifak kurdu
Ben Recht OpenAI’ın FFT sonucunu eleştirdi, Thomas Hales Lean’e körü körüne güvenilmemesi gerektiğini yazdı, Shing-Tung Yau Çin’de bir ittifak kurdu.
Linus Torvalds, Linux çekirdeği için Claude Code’la deneysel bir yama serisi hazırladı
Torvalds’a göre kodu, testleri ve ilk metni Claude Code yazdı. Seri bir testte 23 kat hız getirdi ama henüz çekirdeğe girmedi; iş Kiryl Shutsemau’ya devredildi.