当前位置：首页 > news >正文

7M参数，干翻巨无霸LLM！这款超小递归模型（TRM），在ARC-AGI上证明了“少即是多”

news 2026/5/27 2:31:19

01 论文概述

论文标题：Less is More: Recursive Reasoning with Tiny Networks

作者团队：三星AI实验室（Samsung SAIL Montréal）

发布时间：2025年9月6日

论文链接：https://arxiv.org/pdf/2510.04871

👉您可以跳转到 Lab4AI 平台上去阅读论文原文。
Lab4AI 大模型实验室论文阅读链接：
https://www.lab4ai.cn/paper/detail/reproductionPaper?utm_source=jssq_bky&id=cffcdeb7f3174ebf9daedd9a9482a656

👉 或者文末点击阅读原文，即可跳转至对应论文页面~

Lab4AI 提供 ✨AI 导读和 AI 翻译 ✨ 工具

| 研究背景与动机

当前推理模型在解决需要多步、精确推理的难题时面临“大模型低效、小模型乏力”的矛盾。核心问题集中在大语言模型（LLMs）与层次推理模型（如 HRM）存在显著短板：大语言模型（LLMs）是自回归生成答案的，会因为单个错误导致推理的答案错误。而已有研究者认为依赖链式推理（CoT）和测试时计算（TTC）可以增加推理准确性，但这些方法需要高质量的数据且鲁棒性差。

在TRM之前，有研究者提出递归层次推理HRM，它模仿生物大脑，使用两个小神经网络在不同频率上进行递归思考。HRM虽然在推理任务上超越LLMs的小模型，但是它的设计复杂、依赖不动点定理且训练不稳定。TRM应运而生，旨在以更简单、高效的方式实现递归推理。

| TRM 是什么

10月6日，三星AI实验室（Samsung SAIL Montréal）发表了名为Less is More: Recursive Reasoning with Tiny Networks 的论文。该论文提出了一种“少即是多”的更简单、更高效的递归推理模型—Tiny Recursive Model（TRM）。

作者对HRM进行了简化和改进。TRM仅使用一个超小的2层网络（7M参数），通过更直接、完整的递归和深度监督机制，在多个基准测试上显著超越了HRM和许多主流LLMs。其最引人注目的成果是在ARC-AGI-1上达到45%的测试准确率，超过了参数量是其数百万倍的LLMs（如Gemini 2.5 Pro）。

| 核心架构

TRM的核心架构可以用以上图表示。TRM的工作流程可以结合图1和算法3直观理解：

初始化：输入问题、初始答案和潜在推理状态。
深度监督循环：对于每个训练样本，模型进行最多次改进步骤。
潜在递归：在每个监督步骤中，模型执行一个“深度递归”过程：

（1）无梯度预热：先进行次（如2次）完整的“潜在递归”，即先递归更新（次），再根据新的更新。此过程不计算梯度，目的是利用模型自身的计算能力初步优化答案。

（2）有梯度递归：最后进行1次有梯度的“潜在递归”，这次的反向传播会贯穿整个递归过程。

损失计算与停止判断：计算预测答案的损失以及停止概率的损失。如果停止概率超过阈值，则提前结束对该样本的深度监督循环。
梯度更新：执行反向传播和梯度更新，并将当前步的和截断梯度后作为下一步的初始值。

| 核心方法与创新思路

论文的贡献并非表面改进，而是从理论、架构、效率等层面重构递归推理模型。

（1）摒弃不动点定理，实现“完整递归反向传播”

HRM的存在一个问题：仅反向传播最后 2 步（1个+1个），依赖“不动点假设”，但实际未收敛，梯度计算不完整；

TRM针对这个问题，提出了解决方案：TRM不再假设收敛，而是直接通过整个递归过程（n次 latent reasoning + 1次 answer refinement）进行反向传播。为了在深度监督中利用无梯度计算进行“预热”，它先进行T-1次无梯度递归，再进行1次有梯度的递归。这彻底避开了IFT的理论争议，并带来了巨大的性能提升。

（2）重构 Latent  变量，无需分层与生物解释

作者提出了一个更自然的解释：其实就是当前答案的嵌入表示，而是一个纯粹的中间推理状态。因此，TRM将其重命名为（答案）和（推理状态）。这种解释明确了为什么需要两个特征：用于记住当前解决方案，用于进行链式推理。

（3）单网络替代双网络，参数规模减半

既然更新和更新的任务区别仅在于输入中是否包含问题，TRM使用一个共享的微小网络来同时完成这两项任务。

TRM用单个2层网络同时实现“更新（推理）”与 “更新（解优化）”，通过“输入是否包含” 区分任务：

更新z时：输入为（需结合问题x优化推理）；

更新y时：输入为（无需，仅基于推理优化解）；

（4）少即是多”的规模控制

作者发现将网络深度从4层减少到2层，同时按比例增加递归次数以保持总计算量，能显著提升泛化性能。这凸显了在小数据场景下，避免过拟合比增加模型容量更重要。

（5）无注意力架构用于固定短语长度的任务

对于固定且较小的上下文（如9x9数独），TRM用应用于序列维度的MLP取代了自注意力机制，灵感来自MLP-Mixer。这在数独任务上带来了巨大提升，但在上下文较大的任务（如30x30网格）上，自注意力仍更有效。

（6）简化 ACT 机制，消除额外前向传播