超越DeepSeek、Gemini 與 OpenAI！三星AI小模型TRM超強

三星在人工智慧（AI）領域的研發持續亮眼。最新發表的 Tiny Recursive Model（TRM）以小模型之姿，效能已超越部分參數量高達 10,000 倍的大型語言模型（LLM）。

TRM 僅有 7 百萬個參數，相較於大型 LLM 的數十億參數，規模小了數個數量級。三星在論文《Less is More: Recursive Reasoning with Tiny Networks》中，詳細說明了 TRM 的創新架構。

TRM 核心特點包括：

• 自我遞迴：TRM 會將自身輸出作為下一步的輸入，形成自我改進的回饋循環。
• 更新推理：每次輸出經過多輪推理循環，模擬出更深層的架構，無需額外記憶體或計算成本。
• 逐步優化：每一輪遞迴都能提升預測或結果的準確性。

三星的做法類似於人類反覆閱讀自己的草稿，每次都修正錯誤，明顯優於傳統大型語言模型的邏輯推理方式。傳統 LLM 若在某一步出錯，整個推理過程可能崩潰；即便鏈式思維（chain-of-thought）能改善部分問題，但仍脆弱不穩。

TRM 驚人成績

• 極限數獨：準確率 87.4%（階層推理模型僅 55%）
• 迷宮難題：準確率 85%
• ARC-AGI-1：準確率 45%
• ARC-AGI-2：準確率 8%

值得注意的是，即便 TRM 參數量僅占其他大型語言模型的極小比例，它仍能超越或接近 DeepSeek R1、Google Gemini 2.5 Pro 及 OpenAI o3-mini 的表現。

三星進一步發現，增加模型層數反而可能因過擬合降低泛化能力；相反地，減少層數但增加遞迴次數，能顯著提升 TRM 小模型的整體 AI 性能。