AI Papers Daily

#ARC-AGI

4 篇

Algebraic World Model: From Exploration to Proofs

代数世界模型：从探索到证明

🧭 形式化世界模型构建与证明

Zhejiang University · Tsinghua University · Shanghai QiZhi Institute

AWM将未知环境探索与假设检验转化为可被Lean形式化的代数模型，能证明不可达性与最优界

📌 工作参考价值（4 点）

• 在动态未知环境（如策略模拟、A/B测试前验证）中，用可执行假设+形式化验证替代黑盒模型，可证明目标不可达或边界，避免无效实验投入。
• 把交互中发现的规则提取为类型化对象与共享规则，并用范畴论引导简化，有助于构建可解释、可审计的决策规则集，降低策略上线风险。
• 反馈驱动的规则修订机制：仅给出“存在更优解”的弱反馈即可推动模型更新，可借鉴到自动策略迭代与约束优化中。
• 但应用场景偏形式化/游戏环境，直接迁移到大规模推荐系统有距离，主要价值在可解释规则建模与复杂约束下的可靠性保障。

Reasoning | 2026-10-29 | cs.AI | score 7/10

LLMFormal VerificationWorld ModelLeanARC-AGIExploration

Improving Environment-Agnostic Coding Agents: The Role of Scaffolding

改进环境无关编码智能体：脚手架的作用

🧭 Agent 脚手架与自主控制权衡

SingularityNET

仅改变指令鼓励报告困难并自动继续，环境无关编码智能体在 ARC-AGI-3 和 AGI Maze 上得分提升，但专用脚手架仍有优势

📌 工作参考价值（5 点）

• 环境无关脚手架与专用控制器解耦：将通用工具（shell、文件系统、上下文管理）与领域特定控制逻辑分离，便于在电商推荐 Agent 中复用通用层，只替换业务控制层，降低跨场景工程成本。
• 引入“报告困难 + 自动继续”机制：在购物助手或搜索 Agent 中，可要求模型在不确定时主动返回控制权，由外部脚本决定重试、换策略或退出，减少死循环和无效调用，提升任务完成率。
• 把重置/重试等关键决策固化到控制器：实验显示脚本化 controller 遵循已有约定能恢复部分专用 agent 优势；在推荐流程中，可将“重置会话、切换召回策略、回退规则”等决策从模型手中剥离，保证行为可预测。
• 警惕教程/Few-shot 过度设计：额外教程经验可能降低性能，提示在构造推荐 Agent 的示例或指令时需做严格消融，避免冗余示范干扰模型。
• 关注 token 成本与性能的权衡：性能提升伴随更高 token 开销，业务中采用此类自主控制机制前应对比推理成本与收益。

Agent | 2026-10-15 | cs.AI | score 6/10

ScaffoldingLLM AgentCode GenerationEnvironment-AgnosticControl FlowARC-AGI

Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks

Memento 3：通过反思式规则簿实现基于模型的递归自我改进

🧭 LLM Agent 通过可执行世界模型递归自改进 ★ 深度解读

University College London · Huawei Noah's Ark Lab, UK · University of Liverpool

让冻结 LLM Agent 用自然语言规则簿+可执行代码作为显式世界模型，通过反思与验证递归自改进，在 ARC-AGI-3 全部 25 个游戏达到人类动作效率天花板

📌 工作参考价值（4 点）

• 在电商搜索推荐 Agent 中，可把「用户意图/商品属性/召回规则」维护成 natural-language rulebook + 可执行代码，作为显式世界模型；用 action-observation 轨迹做 exact replay 验证，只接受能复现历史交互的规则/代码，避免 LLM 幻觉。
• 引入 Git 版本化记忆：每次规则修订/代码编译提交 commit，能 diff、回滚，便于线上排查与衰减实验；相当于把模型的「学习轨迹」变成可审计资产。
• population 扩展：同时维护多个世界模型假设，共享交互证据，用行为等价类采样保证探索多样性；在不确定用户意图或流量分布变化时，可以做多臂/集成式探索，降低单一错误假设的自我确认风险。
• 如果业务中需要 Agent 在无 reward 的交互环境中做事，可直接借鉴「反思→修订规则→编译为代码→验证」loop，把策略改进外置到可执行模型，而不是微调 LLM 参数，适合 rapid iteration 和低成本 rollback。

Agent | 2026-10-07 | HF Daily | score 8/10

LLM AgentWorld ModelRecursive Self-ImprovementRulebookCode-as-ModelARC-AGI

Meta^n: Recursive Self-Improvement through Emergent Depth

Meta^n：通过涌现深度实现递归自我改进

🧭 递归元认知 Agent 自我改进

University of Minnesota · Seoul National University

固定元操作 Ω 并递归应用于输入，实现可收敛深度的 LLM 自我改进，在 ARC-AGI-2 唯一得正分

📌 工作参考价值（4 点）

• 可将固定元操作递归应用到多阶段推荐/搜索流水线：每层读取下层 trace 与代码，输出下一层的预处理策略和可复用 helper 库，把隐式流程知识显式化为工具和策略，便于在 query 改写、召回排序等环节复用。
• 深度由收敛决定而非预先固定，可在 Agent 规划或 query 改写中引入自评收敛，减少无效迭代；结合进化 archive 搜索层链，可迁移为对多策略组合的进化选择，适用于搜索广告出价、文案生成等场景。
• 层间 conditioning 是主要收益：把上一层的完整推理 trace 和生成代码作为下一层上下文，比仅传最终答案更有效，建议在 LLM 推理管道中传递过程性知识而非仅结果。
• 主要是通用推理 Agent 贡献，业务落地需谨慎：任务为 ARC-AGI 等通用推理，与电商推荐数据分布差异大，但固定操作+递归输入的设计可借鉴到多智能体系统的自我改进循环，避免自编辑导致的不稳定。

Agent | 2026-08-24 | HF Daily | score 7/10

LLM AgentSelf-ImprovementMeta-ReasoningRecursiveARC-AGIEvolutionary Search