Less Is More: Recursive Reasoning with Tiny Networks
5 months ago
- #tiny-networks
- #AI-efficiency
- #recursive-reasoning
- 微型递归模型（TRM）仅用700万参数网络，在ARC-AGI-1上达到45%准确率，在ARC-AGI-2上获得8%表现
- 该模型通过简化递归推理机制，避免依赖大模型或生物学假设
- 通过高效更新潜在状态和答案实现递归式自我改进
- 运行环境要求Python 3.10、Cuda 12.6.0及特定pip安装包（含torch和wandb）
- 提供ARC-AGI-1/2、极限数独(Sudoku-Extreme)和困难迷宫(Maze-Hard)的训练脚本
- ARC-AGI训练约需3天，数独/迷宫任务可在36小时内完成
- 引用文献包含TRM原始论文及层次推理模型(HRM)奠基性研究