第二のディープシックショックを迎えているサムスンの現状ㄷㄷ

U+ 6:26 ‘;
4
役職
英語原文のGoogle翻訳
これはクレイジーです
サムスンの新しいAlモデル。ディープシークとジェミニ
2.5 Pro、ARC-AGI 1 と比べて 10,000 倍小さい
2 はい、先へ
Samsung の超小型再帰モデル (TRM) は一般的なモデルです。
LLM の約 10,000 分の 1 ですが、単なるテキストです
私たちは予測ではなく再帰的に考えるので、さらにそうです。
賢いですね。まず、回答の下書きを作成してから、次のことを行います。
推論のために隠した
「スクラッチパッド」フレームワークを構築し、
論理枠組みの批判と改善を繰り返すことで（最大16回）、
各サイクルで、改善された答えを導き出します。
このアプローチは、(サイズだけでなく) アーキテクチャと推論ループに依存します。
それは知性を高めることができることを示しています。
強力かつ効率的なモデルを低コストで構築
実行したり、神経記号のアイデアを検証したり、その他の機能を実行します。
最高品質の推論をさまざまなアプリケーション分野に適用します。
お手伝いさせていただきます:
加速はどこにでもあります
返信を投稿する

U+ 6:26 ‘;
0
22
役職
少ないほど良い: Kecursive
からかい
ネットワーク
アレクシア・ジョリクール＝マルティノー
サムスン SAIL モントリオール
アレクシアジョサムスンコム
抽象的な
CrCr;オルトラピーロス
8
階層的推論モデル (HRM) は
2 つの小さな反射ネットを使用した新しいアプローチ
フニンレン
エンブディルグ
さまざまな周波数で動作します
これ
8
生物学にヒントを得た方法でラージラーを破る
ハード パズル タスクのゲージ モデル (LLM)
Sudoku Maze、ARC-AGI など
追加と標準化
小さなモデル (2,700 万パラメータ) でトレーニング
MLP
少量のデータ (~ I(N 例) の HRM が保持
困難な問題を解決する大きな約束
援助
ノルム」
小さなnctworks
でもまだ良くない
8
わかっていますが、最適ではない可能性があります
私たちはプロです
SLL ウェンボン
ポーズ
再帰的モデル
(IRM)
多くの
より単純な再帰的推論アプローチ
大幅に高い一般化を達成する
HRM よりも、使用中に
シンスル
ネットワーク
いんぷ（雨）
予測 (yI
ラレンル (z
CJe SuD7I
IAnswerl
イラソニナル
だけで
レイヤーのパラメータはわずか 700 万個。
TRM は ARC ACI で 4596 のテスト精度を達成
ARC-AGI-2 ではほとんどの製品よりも高い 876
L.L.M.
Decpseek Ri o3-mini Gemini 25
O01%6 未満のパラメータ
ステップ
ウルダーア
与えられた ^
mpyove (HDウロニリ)
‘
1. はじめに
出来ない
「ウナピエドグォニ？
その間
強力なラージ言語モデル (LLM) は、
難しい質疑応答に苦戦する
問題g
与えられた
アンロイ・ヌサス
16 ティモフ
miptorfy tnu erudicton y)
彼らはそこで自己回帰的に自分の答えを尊重します
以来エラーが発生しています
siriele 間違ったトークンが存在する可能性がある
ジャクソン・アトキンス
ジャクソンアトキンス
19:00
脳が壊れたとき
この論文を読んでください
小さな 700 万パラメータ モデルがちょうど勝てる
DeepSeek-R1、Gemini 2.5 pro、および 03-mini では
ARG-AGI1 と ARC-AGI 2 の両方に関する推論
少ないほど良い: 再帰的
との推論
ネットワーク
アレクシア・ジョリクール＝マルティノー
サムスン SAIL モントリオール
アレクシア・ジョサムスン・コムン
抽象的な
‘クロスontrcpy
8
階層的推論モデル (HRM) は
2 つの小さなニューラル ネットワークを使用した新しいアプローチ
フヴァルグト
エムンボディリヤ
異なる周波数で再帰的に動作します。これ
8
生物学的にインスピレーションを得た覚せい剤（ydがラージ・ランを破る）
ハード パズル タスクのゲージ モデル (LLM)
そんなDS 数独迷路;およびARC AGI
援助しない
小さなモデル (2,700 万パラメータ) でトレーニング
NLP
小規模データ (~I0O の例) については、HRM が保持します
5
困難な問題を解決する大きな約束
オード
または
小規模なネットワーク、
でもまだ良くなっていない
S6l-アトントン
わかっていますが、最適ではない可能性があります
私たちはプロです
7
U4
TIV 再帰的ミューデル (TRM)
多くの
返信を投稿する
小さい
イイニ
テニー
(eb
プロ)
イティグ
小さい

鍵となる発見：超微粒子Al、TRMの驚異的な力
この研究の核となるのはTRM（Tiny Recursive Model）です。
これは新しいアプローチです。 TRMは人間にとって困難な問題を解決します。
前と同じように、一度に答えを与えるのではなく、自分自身で答え続けてください。
推論プロセスを見直して改善する「再帰的」
メソッドを使用します。

圧倒的な効率性: TRM がサポートするパラメータは 700 万のみ
Turtle は、数千億のパラメータ名を持つ最新の巨人です。
これは、Al モデルのサイズの 0.0% 未満です。
人間レベルの推論能力：スドグの迷路と詩
ARC-AGI、純粋な推論能力を測定する究極のテスト
ベンチマークと同様の高レベルのパフォーマンス。問題では; TRMが一番
大規模な言語モデルを圧倒するようなパフォーマンスはありません。
ARC-AGI-1 テストでは、TRM は **44.69** の精度を達成しました。
フレームを記録することで、 Gemini 2.5 Pro、世界最高のモデル
(37.096) 枠を超えることはできません。 ARC-AGI-2 の 7.89 フレームの月
あなたのもの。これも Gemini 2.5 Pro (4.996) と既存のモデルです
この数字はHRM（5.09）を上回ります。