제 2의 딥시크 쇼크를 장전 중인 삼성 근황 ㄷㄷ

U+ 6:26 ‘;
4 X 터q 씨ll (22
게시하기
영어 원문의 Google 번역
이건 미친 짓이야
삼성의 새로운 Al 모델; DeepSeek 및 Gemini
2.5 Pro보다 10,000배 더 작아 ARC-AGI 1 및
2예서 앞서나감
삼성의 초소형 재귀 모델(TRM)은 일반적인
LLM보다 약 10,000배 작지만, 단순히 텍스트트
예측하는 대신 재귀적으로 생각하기 때문에 더욱
스마트합니다. 먼저 답안 초안을 작성한 다음,
추론올 위한 숨겨진
‘스크래치패드”틀 구축하고,
반복적으로 논리틀 비판하고 개선하여(최대 16회),
매 주기마다 개선트 답을 도출합니다:
이 접근법은 아키택처와 추론 루프(단순히 크기만이
아니라)가 지능올 축진할 수 있음올 보여중니다:
강력하고 효율적인 모델올 구축하여 저럼하게
실행하고, 신경 기호 아이디어릇 검증하여, 훨씬 더
다양한 응용 분야에 최고 품질의 추론올 적용할 수
잇도록 지원합니다:
가속은 어디에나 있습니다
답글 게시하기

U+ 6:26 ‘;
0 X
지 ill (22
게시하기
Less is More: Kecursive
‘Keasoning with
Networks
Alexia Jolicoeur-Martineau
Samsung SAIL Montreal
alexiajosamsung-com
Abstract
CrCr; ortrapy lo s
8
Hierarchical Reasoning Model (HRM) is
novel approach using twO small reural net-
Fninren
Embcddirg
Works recursing at different frequencies
This
8
biologically inspired method beats Large Lar-
guage models (LLMs) on hard Puzzle tsks
such as Sudoku Maze, and ARC-AGI while
Add & Norm
trained with small models (27M parameters)
MLP
srmall data (~ I(N examples) HRM holds
great prumise for solving hard problems with
Aid
Norm’
small nctworks
but it is not yet well
8
derstood and may be suboptimal
We Pro `
Sll wenvon
Pose
Rccursive Model
(IRM)
much
simpler recursive reasoning approach that
achieveg significantly higher generalization
than HRM, while using
sinsle
network
Inpu (비)
Prediclion (yI
Lalenl (z
CJe SuD7I
IAnswerl
IRaasoninal
with only
layers With only 7M Parameters;
TRM obtains 4596 test accuracy on ARC ACI
and 876 on ARC-AGI-2 higher than most
LLMs
Decpseek Ri o3-mini Gemini 25
withless than O01%6 of the parameters
Step
Urda’a
Given ^
mpyove (hd uloni리
‘
1. Introduction
S unncve
‘Unapiedgwony?
While
powerful Large Language models (LLMs) can
struggle on hard question-answer
problemsg
Given
Anrloi Nsus
16 timof
miptorfy tnu Erudicton y)
that they Benerate their answer auto-regressively there
hichrsk of error sinice
siriele incorrect token can
Jackson Atkins
JacksonAtkinsx
19시
My brain broke when
readthis paper
tiny 7 Million parameter model just beat
DeepSeek-R1, Gemini 2.5 pro, and 03-mini at
reasoning on both ARG-AGI1 and ARC-AGI 2
Less is More: Recursive
Reasoning with
Networks
Alexia Jolicoeur-Martineau
Samsung SAIL Montreal
alexia josamnsung comn
Abstract
‘Cross ontrcpy
8
Hierarchical Reasoning Model (HRM) is
novel approach using two small neural net-
FUvalgt
Emnboddirya
works recursiny at different frequencies. This
8
biologically inspired meth(yd beats Large Lan
guage models (LLMs) on hard puzzle tasks
such ds Sudoku Maze; and ARC AGI while
Aid & NoT
trained with small models (27M pararmeters)
NLP
on small data (~ I0O exarnples) HRM holds
5
great promise for solving hard problems with
Aud
Nor
small networks,
but it i5 not yet well un-
S6l-Atonton
derstood and may be suboptimal
We Pro
7
U4
Tiv Recursive Mudel (TRM)
much
답글 게시하기
Tiny
Iiny
tny
(eB
Pro)
Itiig
Tiny

핵심 발견: 초소형 Al, TRM의 경이로운 능력
이 연구의 핵심은 TRM(Tiny Recursive Model) 이라
논 새로운 접근법이다. TRM은 인간이 어려운 문제튼 풀
때처럼, 한 번에 정답올 내놓는 대신 스스로의 답을 계속해
서 검토하고 추론 과정올 개선하는 ‘재귀적(Recursive)’
방식올 사용하다.

압도적인 효율성: TRM은 단 700만(7M) 개의 파라미
터틀 가져다 이튿 수천억 개 파라미터름 가진 최신 거대
Al 모델의 0.어1%도 안 되는 크기다:
인간 수준의 추론 능력: 스도구 미로 찾기, 그리고 시의
순수 추론 능력올 축정하는 궁극의 테스트인 ARC-AGI
벤치마크와 같은 고난도 퍼; 문제에서; TRM은 대부분의
거대 언어 모델올 압도하는 성능올 보없다:
ARC-AGI-1 테스트에서 TRM은 **44.69**의 정확도
틀 기록하여; 세계 최고 수준의 모델인 Gemini 2.5 Pro
(37.096) 틀 뛰어넘없다. ARC-AGI-2에서논 7.89틀 달
성하여; 이 역시 Gemini 2.5 Pro (4.996)와 기존 모델
HRM (5.09)올 능가하는 수치다.