华为AI靠RSI通关25款游戏！操作次数比人类少56%

这也正是研究团队所说的递归自我改进（RSI）。

大模型参数不用动，AI通过不断积累经验、修改规则和代码，就能让自己越玩越熟练。

而且，这套方法还真有数据支撑。

研究团队在三款游戏中做了对照实验：

保留规则手册时，AI总共用了617次操作；去掉规则手册，只保留代码世界模型，则需要677次。

相当于有了这本攻略，操作次数减少约9%，智能体执行轮次也减少了约18%。

但研究团队还不满足于此。

既然一个世界模型能帮助AI少走弯路，那同时用两个呢？

于是，他们让AI同时维护两套世界模型，共享游戏操作记录，但各自推演不同的规则假设。

结果，在游戏wa30中，单世界模型需要899次操作才能通关，换成双世界模型后，直接降到了597次。

操作次数又减少了约34%。

当然，这一提升目前只在wa30上得到验证，还不能直接推广到其他游戏。

但至少在这些实验里，Memento 3证明了一件事：

不用重新训练大模型，AI也能靠不断修正自己对世界的理解，越玩越强。

游戏打到21：0，AI甚至不用再调用大模型了

那这套方法只能用来玩解谜游戏吗？

研究团队决定再加点难度，直接把Memento 3拉去挑战经典街机游戏Atari Pong（乒乓球）。

和前面的解谜游戏不同，这次小球会不断移动、反弹，AI不仅要摸清游戏规则，还得实时判断球的运动轨迹，控制球拍接球。

结果这一试，还真试出了点新东西。

一开始，AI同样不知道球的反弹规律，只能边打边摸索。

它最初以为，球拍可以分成四个区域，小球打在不同位置，就会朝对应方向弹出去。

结果打着打着，突然出现了一次水平反弹。

诶？这和之前总结的规则对不上啊。

于是AI重新分析碰撞位置，修改反弹公式，后来又遇到新的轨迹偏差，就继续调整，逐渐总结出更符合实际情况的运动规律。

<img decoding=