O Modelo Recursivo Pequeno (TRM) alcança maior precisão no ARC-AGI do que LLMs com 7M de parâmetros

Pesquisadores propõem o Modelo Recursivo Pequeno (TRM), uma abordagem simplificada de raciocínio recursivo que utiliza uma única rede de duas camadas, a qual supera modelos maiores em tarefas complexas de quebra-cabeça. O TRM utiliza apenas 7 milhões de parâmetros e é treinado com dados mínimos, demonstrando generalização significativamente maior do que o Modelo de Raciocínio Hierárquico (HRM) proposto anteriormente.

• O TRM alcança 45% de precisão no teste ARC-AGI-1 e 8% no ARC-AGI-2.
• Esses resultados excedem o desempenho de grandes modelos de linguagem como Deepseek R1, o3-mini e Gemini 2.5 Pro.
• O modelo utiliza menos de 0,01% dos parâmetros exigidos por esses LLMs concorrentes.

Este trabalho sugere que problemas difíceis podem ser resolvidos eficazmente com redes muito pequenas, oferecendo uma alternativa mais eficiente aos modelos de linguagem em larga escala para tarefas específicas de raciocínio.