Briefing · 2026-10-13
技术简报 - 2026-10-13
On this page6 sections
The briefing's title, the editors' summary and their notes are written in Chinese, as are skill and knowledge entries.
Overview
#这一期三条都在说同一件事：决定智能体上限的，越来越是包在模型外面的那一层。同一周里，何恺明团队的 VISTA 和华为诺亚方舟的 Memento 3 用同一个底模，把 ARC-AGI-3 公开集的 25 款游戏都打到了满分，模型权重一个没动：前者把每一帧原始画面存下来，推理时按需回看；后者把摸出来的规则写成可执行的代码，先在自己的模拟器里推演再行动。CodeScene 的案例把这条思路放进了工程现场：智能体三周重构了 30 万行 C 代码，靠的是一个确定性的质量评分和逐帧比对的回放测试，而多数遗留系统恰恰造不出这种验收信号。
Immediate attention
#The highest-rated published signals; the editors' pinned items come first.
何恺明团队 VISTA：让模型回看原始画面，打满 ARC-AGI-3
MIT 何恺明团队的 VISTA 是一套视觉原生的智能体外壳：环境返回的每一帧都原样存档，模型推理时可以按需调回、放大、并排对比，基础模型不用重新训练。配上 Claude Opus 5.0，ARC-AGI-3 的 25 个公开游戏全部通关，相对人类动作效率得满分 100，比人类首次游玩的基线少用 57.4% 的动作。
For 正在做多模态或游戏类 Agent、苦于长交互历史里视觉信息丢失的团队、需要评估是否值得自建 Agent Harness 与上下文管理层的工程负责人、关注 ARC-AGI-3 等交互式视觉推理基准的评测与研究人员
华为 Memento 3：把规则写成代码，打满 ARC-AGI-3
华为诺亚方舟实验室联合 UCL 等团队的智能体 Memento 3 打通了 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，RHAE 满分 100，总操作 7518 次，比人类的 17135 次少约 56%。底模 Claude Opus 5 不更新权重、不做游戏微调，靠「代码即模型」（一份规则手册加一个可执行的世界模型）递归地自我改进。
For 在做长时程、规则未知任务的智能体团队、需要控制 token 成本与推理调用的工程负责人、关注 ARC-AGI-3 等新评测基准的研究与评测人员
Worth tracking
#Worth following, but each needs more context or confirmation before it becomes a priority.
智能体用三周重构老游戏代码，全程靠逐帧回放验收
CodeScene 发布案例研究：一个编码智能体在三周内重构了《街头霸王 III：三度冲击》开源反编译项目约 30 万行 C 代码，消耗 token 约 4000 美元，覆盖 726 个文件、2903 次提交、252055 行改动...
For 正在评估用智能体做大规模重构或技术债清理的工程团队、维护遗留系统、缺少自动化测试的架构师和技术负责人、为编码智能体设计验收标准和质量门禁的平台工程师
Sources
#The public sources behind the published signals in this briefing.
Subscribe
The public feeds carry published briefings only, never drafts or archived ones. They are in Chinese.