微型递归模型：小型网络解决复杂问题的突破

这篇文章讨论了一种名为微型递归模型 (TRM) 的新型神经网络方法，该方法在解决数独、迷宫和 ARC-AGI 等难题任务上表现出色。TRM 使用仅有 2 层的单个微型网络，仅用 7M 个参数，在 ARC-AGI1 上获得了 45% 的测试准确率，在 ARC-AGI-2 上获得了 8% 的测试准确率，这超过了大多数大型语言模型 (LLM)。这项研究展示了小型网络在解决复杂问题上的潜力，同时也指出了当前模型机制可能存在的局限性。文章进一步探讨了如何通过简化网络结构来提高模型的泛化能力，为未来神经网络设计提供了新的思路。