مدل ۷ میلیونی سامسونگ غول‌های LLM را شکست داد

خلاصه

TRم، شبکه‌ی ۷ میلیون پارامتری سامسونگ، با بازگشتِ خود-اصلاح‌گر در ۱۶ مرحله، تست هوش ARC-AGI را از بزرگ‌ترین LLم‌ها پیشی گرفت؛ مصرف کم، دقت ۴۴٫۶٫

فکر می‌کردید فقط مدل‌های چندمیلیارد پارامتری می‌توانند استدلال پیچیده انجام دهند؟ TRم نشان می‌دهد کوچک و چابک هم می‌شود قوی بود.

ارور یک توکن کافی است تا کل زنجیره پاسخ را بهم بریزد؛ چین‌-آو-توت هم هزینهٔ سنگین دارد و باز هم جلوی خطا را نمی‌گیرد.

یک شبکهٔ ۲ لایهٔ کوچک جایگزین دو شبکهٔ همکار در HRM شده؛ حلقهٔ بازگشتی تا ۱۶ بار اجرا می‌شود.

به جای قضیه‌های نقطه‌ثابت، پس‌انتشار از کل حلقه انجام می‌شود؛ دقت سودوکوی سخت از ۵۶٫۵٪ به ۸۷٫۴٪ جهید.

آزمون	معیار	HRM	TRم
Sudoku-Extreme	دقت	۵۵٪	۸۷٫۴٪
Maze-Hard	دقت	۷۴٫۵٪	۸۵٫۳٪
ARC-AGI-۱	دقت	پایین‌تر	۴۴٫۶٪
ARC-AGI-۲	دقت	۵٫۹٪	۷٫۸٪

در ARC-AGI-۲ Gemini 2.5 Pro فقط ۴٫۹٪ می‌گیرد؛ TRم با ۰٫۰۱٪ اندازه برتری دارد.

بازگشت درونی و خود-اصلاحی، جایگزین مقیاس بی‌پایان است؛ ترکیب هوشمند معماری می‌تواند به جای افزایش پارامتر، کارایی را جهش دهد.