بخش تحقیقات هوش مصنوعی سامسونگ با معرفی مدل Tiny Recursive Model (TRM)، باور رایج در صنعت تکنولوژی مبنی بر «بزرگتر بودن به معنای بهتر بودن» را به چالش جدی کشانده است. این مدل با معماری بسیار کوچکتر از رقبای خود، در آزمونهای سختگیرانه استدلال منطقی، عملکردی برتر از مدلهای بزرگ زبان (LLM) نظیر جمینای ۲.۵ پرو گوگل، ChatGPT (o3-mini) و DeepSeek R1 ثبت کرده است.
معماری نوین: استدلال بازگشتی به جای مقیاسسازی پارامترها
برخلاف مدلهای معمولی که برای افزایش دقت بر افزایش لایهها و پارامترها تکیه دارند، TRM تنها از یک شبکه عصبی دو لایهای تشکیل شده و از مکانیزم استدلال بازگشتی (Recursive Reasoning) بهره میبرد. در این روش، خروجی هر مرحله به عنوان ورودی مرحله بعد بازگردانده شده و یک حلقه بازخورد خودبهبود شکل میگیرد. این فرآیند شبیه به بازخوانی و اصلاح پیشنویس توسط انسان است و به مدل اجازه میدهد بدون هزینه محاسباتی سنگین و حافظه گسترده، کارکرد معماریهای بسیار عمیقتر را شبیهسازی کند.
🔗 بیشتر بخوانید: حافظه تازه سامسونگ GDDR۷ با پهنای باند ۱.۵ ترابایت بر ثانیه برای منفعت گیری در کارتهای گرافیک رونمایی شد_نارنجی پوش
نتایج شگفتانگیز در بنچمارکهای منطقی
عملکرد TRM در معیارهای پیچیده و معتبر به شرح زیر است:
- پازل سودوکو-اکستریم (Sudoku-Extreme): دقت ۸۷.۴ درصد
- مازهای سخت (Maze-Hard): دقت ۸۵ درصد
- بنچمارک ARC-AGI-1: دقت ۴۵ درصد
- بنچمارک ARC-AGI-2 (نسخه دشوارتر): دقت ۸ درصد
این نتایج حائز اهمیت هستند زیرا TRM با کسری از پارامترهای رقبا، در حل مسائل منطقی چندمرحلهای از آنها پیشی گرفته است. مدلهای بزرگ زبان معمولاً در مواجهه با استدلالهای طولانی و شکننده دچار خطا میشوند، اما رویکرد تکرار و اصلاح مداوم در TRM این ضعف را برطرف میکند.
🔗 بیشتر بخوانید: محققان با هوش مصنوعی گامی بلند در جهت تسریع تشکیل هیدروژن سبز برداشتند_نارنجی پوش
اصل «کمتر، بیشتر است» در هوش مصنوعی
محققان سامسونگ دریافتند که افزایش لایههای این مدل منجر به بیشبرازش (Overfitting) و افت عملکرد میشود. این کشف تأکید میکند که در معماری بازگشتی، سادگی و کارایی میتواند بر پیچیدگی و مقیاس غلبه کند. الگوریتمهای هوشمندتر و بهینهسازی شده، میتوانند جانشین قدرت محاسباتی خام شوند و مسیر توسعه آینده هوش مصنوعی را به سمت مدلهای تخصصیتر، سبکتر و کارآمدتر سوق دهند.
این دستاورد پیام روشنی برای صنعت است: آینده هوش مصنوعی تنها در بزرگسازی مدلها نیست، بلکه در طراحی معماریهای هوشمندانه است که با منابع کمتر، استدلال عمیقتری را امکانپذیر میسازند.



