Qué pasó
- Investigadores de University College London y del laboratorio Noah’s Ark de Huawei publicaron el 8 de octubre de 2026 en arXiv “Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks”.
- El sistema usa un modelo de lenguaje congelado, sin reentrenamiento. Mantiene un cuaderno de reglas en lenguaje natural sobre cómo funciona cada entorno y lo compila a código ejecutable que predice y planifica.
- Cuando una predicción falla, el agente revisa las reglas y el código. Acepta el cambio solo si el modelo lo juzga coherente con las reglas y si el código reproduce exactamente las transiciones observadas.
- En ARC-AGI-3, el sistema completa todos los niveles de los 25 juegos públicos y declara una eficiencia relativa de acción humana media de 100,0, con 44% de las acciones de la referencia humana.
- En un caso con Atari Pong, un controlador aprendido, sin llamadas posteriores al modelo, ganó 21 a 0 en tres episodios.
Por qué importa
- Los 100,0 puntos son del propio equipo. La nota de ARC-AGI-3 se calcula sobre los juegos públicos, que los autores pudieron estudiar, y no sobre los privados con que se evalúa de verdad.
- Si el resultado se sostiene, mueve el eje de la discusión: la mejora no vendría de modelos más grandes sino de un cuaderno de reglas que el agente reescribe. Para una empresa en Chile que paga por llamadas a un modelo, un agente que aprende guardando reglas y código gasta menos que uno que vuelve a razonar todo cada vez.
- Lo que el paper no cierra: un agente que reescribe su propio código y lo acepta si se lo aprueba otro modelo lleva el problema de quién controla a quién un nivel más abajo.
El dato
44%. Es la proporción de acciones que usó el sistema frente a la referencia humana, según el paper.
Contexto
Otros trabajos recientes buscan que los modelos mejoren sin datos humanos: dos modelos que se entrenan entre sí, o un controlador que decide cuándo reiniciar o parar a un agente. Memento 3 comparte la idea de que la mejora está en el sistema que rodea al modelo.
Qué viene
- Sin verificación publicada de la organización que mantiene ARC-AGI-3.
- Los autores no anuncian código ni fecha de liberación en el resumen del paper.
- Sin plazos anunciados para evaluar en los juegos privados.
Cierre
Un puntaje perfecto en los juegos que se pueden ver prueba que el sistema aprende esos juegos. La pregunta es qué hace con uno nuevo.
Fuentes
Editado por Rodrigo Cornejo. Cómo seleccionamos y verificamos: quiénes escriben estas notas.
