三星SAIL蒙特利尔实验室的科研团队近日宣布，开发出一种名为“微型递归模型”（TRM）的新型人工智能架构。该模型以仅700万个参数的轻量化设计，在复杂结构化推理任务中展现出超越主流大型语言模型的性能，引发行业广泛关注。
在数独和ARC-AGI测试中，TRM的突破性表现颠覆了传统认知。研究数据显示，该模型在ARC-AGI-1基准测试中取得45%的准确率，在ARC-AGI-2测试中达到8%，显著优于Gemini2.5Pro（4.9%）、Claude3.7（0.7%）等数十亿参数规模的模型。尤其在数独极限挑战中，TRM将解题准确率从55%提升至87.4%，迷宫难题的解决率也从74.5%提高到85.3%。
其核心优势在于独特的递归推理机制。研究团队在《少即是多：基于微型网络的递归推理》报告中指出，TRM通过密集的自我校正循环实现性能突破。这种设计使模型仅需使用主流大模型0.01%的参数量，就能在特定任务中达到更优效果。不过，该模型目前仍专注于网格化结构问题，尚未具备通用语言模型的文本生成能力。
技术实现层面，研究团队针对性地优化了模型架构。在固定尺寸网格问题中，采用多层感知机（MLP）替代传统的注意力机制，这种架构选择被证明是提升效率的关键。实验表明，针对特定数据集进行精准的模型设计，比单纯扩大参数规模更具性价比。
尽管存在应用局限，但TRM为AI发展开辟了新路径。其证明小型专用模型在特定领域具有不可替代的价值，特别是在需要高精度结构化推理的场景中。目前，科研团队正在推进模型的独立验证与扩展研究，探索将其推理能力迁移至更多垂直领域的可能性。
行业专家指出，这类“轻量级但高精度”的模型可能率先在医疗影像分析、金融风控建模、工业质检等需要严格逻辑验证的领域发挥作用。其低资源消耗和高推理效率的特性，为边缘计算设备部署高级AI功能提供了新的解决方案。
