AI“以小博大”新标杆：三星开源 TRM 模型，700 万参数、特定任务性能媲美

　　IT之家 10 月 10 日消息，科技媒体 venturebeat 于 10 月 8 日发布博文，报道称三星高级 AI 研究院发布了名为微型递归模型（TRM）的开源 AI 模型，仅包含 700 万个参数，不过在数独、迷宫等特定的结构化推理任务上，表现媲美甚至超越了参数量为其 10000 倍的谷歌 Gemini 2.5 Pro 等顶尖大模型。

　　该模型仅有 700 万参数，设计理念是极致简化复杂性。在架构方面，摒弃了分层推理模型（HRM）所依赖的双网络协作架构，转而采用一个仅有两层的单一模型。

　　其核心机制在于“递归推理”：模型对自身输出的预测进行反复迭代和修正deepseek，每一步都纠正前一步的潜在错误，直至答案收敛稳定。

　　TRM 通过这种方式，用迭代计算的深度模拟了庞大网络的复杂推理过程，实现了“以递归替代规模”的目标，从而在不牺牲性能的前提下，大幅降低了计算和内存成本。

　　然而，一个重要的前提是，TRM 是专门为解决结构化、可视化的网格类问题（如数独、迷宫和特定解谜任务）而设计的，并非通用的语言聊天模型，它擅长在有明确规则的封闭环境中进行逻辑推理，而非开放式的语言生成。

　　TRM 的成功源于其刻意追求的“少即是多”极简主义设计。研究发现，增加模型层数或大小反而会导致在小数据集上出现过拟合，性能下降。其精简的双层结构与递归深度相结合，实现了最佳效果。

　　TRM 的代码、训练脚本和数据集目前已在 GitHub 上根据 MIT 许可证完全开源，企业和研究人员均可免费使用、修改和部署，甚至用于商业应用。原文出处：AI“以小博大”新标杆：三星开源 TRM 模型，700 万参数、特定任务性能媲美 Deepseek R1 等万倍大模型，感谢原作者，侵权必删！