研究者らは、単一の2層ネットワークを使用する簡略化された再帰的推論アプローチであるTiny Recursive Model (TRM)を提案し、これは複雑なパズルタスクにおいてより大きなモデルを上回る性能を示した。TRMは700万パラメータのみを使用し、最小限のデータでトレーニングされるが、以前に提案された階層的推論モデル（HRM）よりも大幅に高い汎化能力を示している。

  • TRMはARC-AGI-1でテスト精度45%、ARC-AGI-2で8%を達成した。
  • これらの結果は、Deepseek R1、o3-mini、Gemini 2.5 Proなどの大規模言語モデルの性能を上回っている。
  • このモデルは、競合するLLMに必要なパラメータの0.01%未満しか使用していない。

この研究は、非常に小さなネットワークでも難しい問題を効果的に解決できる可能性を示唆しており、特定の推論タスクにおいて大規模言語モデルよりも効率的な代替手段を提供している。