연구자들은 단일 2층 네트워크를 사용하는 단순화된 재귀적 추론 접근 방식인 Tiny Recursive Model (TRM)을 제안했으며, 이는 복잡한 퍼즐 작업에서 더 큰 모델보다 우수한 성능을 보였습니다. TRM은 700만 매개변수만을 사용하며 최소한의 데이터로 학습되었지만, 이전에 제안된 계층적 추론 모델(HRM)보다 훨씬 높은 일반화 능력을 보여줍니다.

  • TRM은 ARC-AGI-1에서 테스트 정확도 45%, ARC-AGI-2에서 8%를 달성했습니다.
  • 이러한 결과는 Deepseek R1, o3-mini, Gemini 2.5 Pro와 같은 대규모 언어 모델의 성능을 능가합니다.
  • 이 모델은 경쟁 LLM에 필요한 매개변수의 0.01% 미만만을 사용합니다.

이 연구는 매우 작은 네트워크로도 어려운 문제를 효과적으로 해결할 수 있음을 시사하며, 특정 추론 작업에서 대규모 언어 모델보다 효율적인 대안을 제공합니다.