三星TRM论文：用递归网络替代Transformer，轻量化架构实现高效建模
三星SAIL蒙特利尔实验室的研究团队最近发表了题为《Less is More: Recursive Reasoning with Tiny Networks》的论文，提出了一种名为Tiny Recursive Model（TRM）的创新递归推理架构。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
这项研究证明，在复杂推理任务中，小型神经网络同样能够超越大型语言模型的表现。
TRM仅使用700万参数和两层神经网络结构，就在多项高难度测试中明显优于DeepSeek R1、Gemini 2.5 Pro、O3-mini等主流模型。
在架构设计上，TRM部分变体甚至放弃了自注意力机制（仅限于TRM-MLP变体；TRM-Att仍保留自注意力）。论文指出，对于小规模固定输入任务，多层感知机反而能有效减少过拟合现象。此外，当上下文长度较短时，注意力机制反而会造成计算资源的浪费。在数独求解、复杂迷宫等特定任务中，采用纯MLP结构的TRM表现优于基于Transformer的模型。
如图所示：Tiny Recursive Model（TRM）通过在“答案y”和“潜在思考变量z”之间进行递归迭代更新，实现了小参数模型的多轮自我修正推理能力。
传统大模型通常依赖链式思维（Chain-of-Thought）生成推理步骤，但这种方式成本高昂且容易累积错误。
TRM则通过递归地更新“答案”和“潜在思考变量”，让模型在多次自我修正中逐步逼近正确答案。
论文总结道：“TRM以极小的规模实现了前所未有的泛化能力。”在ARC-AGI推理基准测试中，TRM分别取得了45%（ARC-AGI-1）与8%（ARC-AGI-2）的准确率，明显优于多数大型模型。在Sudoku-Extreme任务上，其准确率更是达到87.4%，刷新了该领域的性能纪录。
研究团队强调，这种架构的核心逻辑是“递归即深度”：深度递归可以替代层数增加，模型无需更多层级，只需通过反复思考就能提升推理能力。
推理机制重构：少即是多
TRM的设计源于对上一代分层推理模型（HRM）的深入反思。
HRM模型通过在不同频率下递归更新潜变量
热门专题
热门推荐
“我们的代码，终将写入繁星”：追觅科技成立天文BU，构建从地面到太空的生态闭环 “我们的代码，终将写入繁星。”这句来自追觅科技的宣言，不只是一句诗意的口号，更是一份清晰的战略升级路线图。就在9月10日，这家中国科技企业正式宣告成立天文业务单元（BU），由此完成了一次至关重要的战略跃迁。这标志着其“全
Just Learn是什么 提起用AI为教育赋能，Just Learn这款工具是个绕不开的名字。它由Just Learn公司开发，核心目标非常明确：一手帮教师扩展专业能力，一手为学生打造个性化的学习旅程。说到底，它的价值在于通过AI驱动学习和24 7全天候辅导这两大核心，把教育资源重新“盘活”，让老
Vue 渲染机制深度解析：Patch 函数核心逻辑与优化策略 Vue js 的响应式系统实现了数据驱动视图的核心理念。然而，当数据发生变化时，视图是如何被高效且准确地更新的呢？这背后的核心引擎，正是虚拟 DOM 体系中的 Patch 函数。它并非直接操作真实 DOM，而是通过深度比对新旧虚拟节点（V
《空之轨迹SC》完全重制版《空之轨迹 the 2nd》正式定档2026年9月17日，登陆多平台 日本Falcom官方正式公布，经典日式角色扮演游戏《空之轨迹SC》的完全重制版——《空之轨迹 the 2nd》，将于2026年9月17日全球同步发售。本作将登陆任天堂Switch 2、Switch、Pla
AI艺术提示生成器是什么 简单来说，你可以把它理解为一个永不枯竭的创意火花塞。这个基于前沿AI技术的工具，专为破解创作瓶颈而生，无论你是专业画师还是灵感偶尔“罢工”的爱好者，它都能派上用场。它的工作原理并不复杂：依托当前顶级的OpenAI模型，将你的初步想法“催化”成一系列具体、新颖且富有启发性的艺