शोधकर्ताओं ने टिनी रिकर्सिव मॉडल (TRM) का प्रस्ताव दिया है, जो एक सरलीकृत पुनरावर्ती तर्क दृष्टिकोण है जो एकल दो-परत नेटवर्क का उपयोग करता है, और यह जटिल पहेली कार्यों में बड़े मॉडलों को हराता है। TRM केवल 7 मिलियन पैरामीटर का उपयोग करता है और न्यूनतम डेटा पर प्रशिक्षित होता है, जिसमें पहले प्रस्तावित हियरार्किकल रीजनिंग मॉडल (HRM) की तुलना में काफी बेहतर सामान्यीकरण दिखाई देता है।

  • TRM ने ARC-AGI-1 पर 45% परीक्षण सटीकता और ARC-AGI-2 पर 8% हासिल किया।
  • ये परिणाम Deepseek R1, o3-mini, और Gemini 2.5 Pro जैसे बड़े भाषा मॉडलों के प्रदर्शन से अधिक हैं।
  • मॉडल उन प्रतिस्पर्धी LLMs द्वारा आवश्यक पैरामीटर का 0.01% से भी कम उपयोग करता है।

यह कार्य सुझाव देता है कि कठिन समस्याओं को बहुत छोटे नेटवर्क के साथ प्रभावी ढंग से हल किया जा सकता है, जो विशिष्ट तर्क कार्यों के लिए बड़े पैमाने पर भाषा मॉडलों के लिए एक अधिक कुशल विकल्प प्रदान करता है।