Mô hình WARC dự đoán 4/5 cơ chế trò chơi mới với độ chính xác từ 80% trên chuẩn ARC-AGI-3

Mô hình thế giới WARC (hệ thống AI mô phỏng môi trường) học được cách dự đoán bốn phần năm cơ chế với độ chính xác từ 80% trở lên trên các trò chơi tách biệt của bộ kiểm tra ARC-AGI-3, theo nhóm tác giả nghiên cứu. Hệ thống thị giác 35 triệu tham số này duy trì mức độ chính xác đó trên các ô bị biến đổi cho đến hết lượt ghi nhận.
Tác nhân (chương trình tự hành) cần mô hình thế giới để lập kế hoạch từ trải nghiệm tưởng tượng, nhưng phải tự học các quy tắc từ tương tác hạn chế trong môi trường lạ, theo các tác giả. Nhóm nghiên cứu đánh giá 69 cơ chế lặp lại qua 20 trò chơi và cho WARC cập nhật tham số sau mỗi bước chuyển đổi.
Một nửa trong số các cơ chế học được này đạt độ chính xác từ 80% chỉ trong khoảng 80 lần tiếp xúc ở một lượt chơi đơn lẻ, theo bài báo. Nếu không cập nhật tham số, các tác giả nhận thấy chỉ một phần bảy số cơ chế đạt được mức độ chính xác đó.
Tác nhân WARC-Agent nâng điểm hiệu quả của bộ khám phá đồ thị cố định từ 0,15 lên gấp ba thành 0,46 ở các trò chơi công khai, chủ yếu nhờ huấn luyện lúc kiểm tra. Dù vậy, bài nộp của nhóm tác giả chỉ đạt 0,20 điểm trên các trò chơi ẩn ở bảng xếp hạng Kaggle.