El Modelo Recursivo Pequeño (TRM) logra mayor precisión en ARC-AGI que los LLM con 7M de parámetros

Los investigadores proponen el Modelo Recursivo Pequeño (TRM), un enfoque de razonamiento recursivo simplificado que utiliza una única red de dos capas, el cual supera a modelos más grandes en tareas complejas de acertijos. TRM utiliza solo 7 millones de parámetros y se entrena con datos mínimos, demostrando una generalización significativamente mayor que el Modelo de Razonamiento Jerárquico (HRM) propuesto anteriormente.

• TRM logra un 45% de precisión en ARC-AGI-1 y un 8% en ARC-AGI-2.
• Estos resultados superan el rendimiento de grandes modelos de lenguaje como Deepseek R1, o3-mini y Gemini 2.5 Pro.
• El modelo utiliza menos del 0,01% de los parámetros requeridos por esos LLM competidores.

Este trabajo sugiere que los problemas difíciles pueden resolverse eficazmente con redes muy pequeñas, ofreciendo una alternativa más eficiente a los modelos de lenguaje a gran escala para tareas de razonamiento específicas.