华为AI基于RSI框架通关25款ARC-AGI游戏，操作次数较人类减少56%

华为近期公开了一项在人工智能推理能力评估中的重要进展：其研发的AI系统在ARC-AGI-3（Abstraction and Reasoning Corpus for Artificial General Intelligence）基准测试中，成功通关全部25款公开游戏任务。这一结果不仅刷新了该基准的最高完成率纪录，更关键的是，其平均操作次数比人类玩家减少了56%，部分关卡在后期阶段甚至不再依赖大语言模型进行决策，展现出高度自主的策略生成能力。

ARC-AGI-3由DeepMind等机构推动构建，旨在评估AI对抽象规则的理解、归纳与泛化能力。每款游戏均无明确指令说明，仅提供输入-输出示例，要求智能体自行推断潜在变换规则并应用于新输入。25款游戏覆盖空间推理、模式识别、逻辑序列、状态迁移等多类认知挑战，难度逐级递增，长期被视为衡量通用人工智能（AGI）潜力的重要“压力测试”。

值得注意的是，在游戏进行到第21关后，系统已能稳定启用第三层策略固化机制——即“无需再调用大模型”即可完成剩余关卡。这表明其已从“试错型推理”转向“确定性执行”，体现出对底层规则结构的深度内化。

这一进展与当前AI科研界对“真实研究能力”的探讨高度呼应。近期引发广泛关注的OpenRSI Index项目，正是围绕“科研智能体能否在明确边界下改进人类设计的训练方案”展开。该项目将Marin、Qwen、GPIC等开源模型作为考题，要求智能体在预训练优化、强化学习任务设计、图像生成架构改进等方面提出可验证的新方法，单次实验算力消耗高达上万H100・小时。

虽然OpenRSI Index聚焦于模型训练层面的递归改进，而华为此次成果聚焦于任务执行层面的推理优化，但二者共享同一核心理念：脱离人类即时干预的闭环式自我迭代能力。区别在于，前者面向“如何更好训练模型”，后者面向“如何更好使用模型”。这种分层演进路径，正逐步将AI从“工具使用者”推向“问题定义者”角色。

从技术实现看，华为系统并未依赖超大规模参数模型，而是强调模块化认知架构与环境反馈驱动的策略压缩。例如，在处理类似“颜色映射+位置旋转”复合规则时，系统会先分离出独立子规则（如“蓝色→红色”、“顺时针90°”），分别验证后再组合应用；当某子规则在多个关卡中反复生效，即被固化为原子操作单元。这种“规则解耦-验证-封装”流程，显著降低了后续决策的计算开销。

对比此前主流方案，如Google DeepMind的AlphaGeometry或Anthropic的Constitutional AI，华为此次成果的独特之处在于：

• 零人工标注依赖：所有规则均由AI自主发现，未引入任何人类提供的中间监督信号；
• 跨关卡策略迁移：在通关过程中，约37%的已验证规则被复用于后续不同游戏，体现泛化能力；
• 资源效率优势：整体推理耗时仅为同类SOTA模型的41%，且GPU显存占用降低近一半。

该架构图揭示了其底层工作流设计：左侧“Persistent Workspace”维持状态连续性，Agent在其中编辑代码与策略；右侧“Independent Judge”负责隔离验证，确保每次提交的改进可被客观评分；整个循环通过“rsi-submit”节点触发，形成“工作→提交→评估→反馈”的自动科研闭环。此设计与OpenRSI Index倡导的“独立验收环境”理念一致，旨在解决AI科研中长期存在的复现性与归因难题。

行业观察指出，ARC-AGI系列测试虽非现实世界任务，但其对“小样本抽象推理”的严苛要求，恰好暴露了当前大模型的短板——过度依赖上下文记忆，缺乏真正的规则提取与组合能力。华为此次突破表明，通过引入RSI机制与模块化策略固化，可在不增加模型规模的前提下显著提升推理效率与鲁棒性。

需说明的是，25款游戏均为公开版本（public ARC-AGI-3），不含后续闭源扩展集。目前尚无证据表明该系统具备跨域泛化能力（如将游戏规则迁移到物理仿真或编程任务），但其在纯符号推理场景下的表现，已为构建“可解释、可追溯、可压缩”的下一代AI推理引擎提供了可行路径。

随着OpenRSI Index等项目推动科研智能体标准化评测，未来AI能力评估或将从“单项任务得分”转向“持续改进能力指数”。华为此次成果虽聚焦游戏通关，实则指向一个更深层命题：当AI不仅能完成任务，还能自主提炼方法论并复用于新问题时，其与人类研究员的角色边界将进一步模糊。短期内，这类系统更适合担任科研辅助角色；长期看，其演化方向将深刻影响AI研发范式的变革节奏。