dumaiИИ воспроизвёл победные ходы на 183 уровнях и доказал две невозможности победы
Препринт, ещё не рецензирован · ранние данные
Кратко
Система AWM сначала исследует незнакомую игру и строит проверяемые правила, а затем записывает их в Lean — математический язык, который проверяет доказательства шаг за шагом. На 25 играх ARC-AGI-3 она воспроизвела победные траектории всех 183 уровней и доказала невозможность победы на двух уровнях.
Зачем это знать?
Игровые задачи показывают, как ИИ может не только искать решение, но и проверять объяснение, почему цель недостижима. Для реальных сред такая способность пока не показана.
Разбор
AWM работает в три шага. Сначала система играет и записывает наблюдения, а затем формулирует гипотезы в виде исполняемого кода на Python: например, какое действие меняет состояние игры и по какому правилу. Если новое наблюдение не совпадает с гипотезой, система её исправляет. После этого она собирает отдельные наблюдения в общую модель с типами объектов и правилами, упрощает её и переносит в Lean 4 — язык, где специальное ядро проверяет каждый шаг доказательства.
Главное отличие от обычного поиска ходов в том, что модель пытается рассуждать о непроверенных последовательностях действий. Поэтому она может не только показать найденный путь к цели, но и вывести, что ни один допустимый путь не сработает. На двух заведомо проигрышных уровнях AWM построила полные доказательства, исключающие все возможные победные последовательности во всех шести запусках. Когда системе сообщили лишь, что существует более дешёвая победа, она пересмотрела правила и смогла обновить доказательства.
Модель оказалась полезной и для обычных побед: Lean воспроизводил их от первого экрана до цели и предсказывал переходы, которых система раньше не видела. При этом сертифицированные победные траектории использовали заметно меньше действий, чем человеческий ориентир. Для сравнения, два других ИИ с инструментами программирования не смогли построить ни одного доказательства невозможности в двенадцати базовых запусках.
Ключевые цифры
Можно ли доверять
Это препринт с arXiv, поэтому работу ещё не проверили независимые рецензенты. Проверка прошла на 25 игровых средах и включает сравнение с двумя другими системами, но такой тестовый набор всё равно не показывает, сможет ли подход работать в реальных, гораздо менее формализованных средах.
- Это препринт, поэтому результаты ещё не прошли независимую проверку рецензированием.
- Оценка проведена на наборе игровых задач ARC-AGI-3, и из неё нельзя делать выводы о способности системы рассуждать в произвольных реальных средах.
- Сравнения с Claude Opus 5.5 и GPT-6 Astra основаны на небольшом числе запусков: 6 у AWM и 12 у базовых систем для задач на невозможность.
Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено