يقترح الباحثون نموذج TRM المتكرر الصغير (TRM)، وهو نهج استدلال تكراري مبسط يستخدم شبكة ثنائية الطبقة واحدة، ويتفوق على النماذج الأكبر في مهام الألغاز المعقدة. يستخدم TRM فقط 7 ملايين معلمة ويتم تدريبه على بيانات قليلة جداً، مما يظهر تعميماً أعلى بكثير من نموذج الاستدلال الهرمي (HRM) الذي تم اقتراحه سابقاً.
- حقق TRM دقة اختبار بنسبة 45% على ARC-AGI-1 و8% على ARC-AGI-2.
- تتجاوز هذه النتائج أداء نماذج اللغات الكبيرة مثل Deepseek R1 وo3-mini وGemini 2.5 Pro.
- يستخدم النموذج أقل من 0.01% من المعلمات المطلوبة بواسطة نماذج LLM المنافسة.
تشير هذه الدراسة إلى أن المشكلات الصعبة يمكن حلها بفعالية باستخدام شبكات صغيرة جداً، مما يوفر بديلاً أكثر كفاءة لنماذج اللغات واسعة النطاق لمهام الاستدلال المحددة.