TinyRecursiveModels

TinyRecursiveModels 是一个面向抽象推理任务的轻量级递归神经网络框架，提出 Tiny Recursion Model（TRM）方法，通过在单个700万参数模型内多次递归更新隐状态与答案，实现对 ARC-AGI 等复杂推理基准的高效求解（ARC-AGI-1 达45%）。其核心特点是无需大模型、不依赖人类认知假设或数学不动点理论，仅用纯数据驱动的多步自修正机制完成推理。适用于资源受限场景下的抽象模式识别、逻辑谜题求解（如Sudoku-Extreme）及低参数量AI推理研究。