Tiny Recursion من سامسونج يتفوق على نماذج ضخمة بالتفكير
قدمت الباحثة أليكسا جوليكور-مارتينو من سامسونج نموذج Tiny Recursion Model (TRM)، وهو نموذج ذكاء اصطناعي صغير الحجم بقوة 7 ملايين باراميتر يتفوق على نماذج كبيرة مثل DeepSeek R1 وGemini 2.5 Pro في مهام التفكير المعقد.
تفاصيل الخبر
يعتمد Tiny Recursion على نهج مبتكر في حل المسائل، يختلف عن الطريقة التقليدية في توليد الإجابات حرفاً بحرف. بدلاً من ذلك، يقوم النموذج بصياغة الحلول أولاً ثم إعادة التفكير فيها وتحسينها عبر 16 دورة متتالية من المراجعة الداخلية. كما يستخدم النموذج لوحة ملاحظات منفصلة لانتقاد وتحسين المنطق الداخلي ست مرات في كل دورة قبل تحديث مسودة الإجابة.
أبرز النتائج:
- حصل TRM على 45% في اختبار ARC-AGI-1 و8% في ARC-AGI-2، متفوقاً على نماذج أكبر بكثير.
- يعتمد النموذج على حلول متكررة ومراجعة داخلية بدلاً من التوليد الفوري للإجابات.
- يوضح الأداء فعالية الهندسة الذكية للنماذج الصغيرة حتى مع موارد محدودة.
- النتائج مثيرة للإعجاب في المسائل والألغاز الخاصة بـ ARC، لكنها قد لا تعمم على جميع مجالات التفكير.
الأهداف المستقبلية
تسعى سامسونج لتوسيع استخدام Tiny Recursion كنموذج فعال وصغير الحجم في أبحاث الذكاء الاصطناعي، مع التركيز على الاستفادة من الهيكلية الذكية لتحقيق الأداء:
- تطوير نماذج صغيرة وفعّالة قادرة على التفكير المعقد دون الحاجة لموارد ضخمة.
- تطبيق أسلوب المراجعة الداخلية على أنواع أخرى من المشكلات خارج نطاق الألغاز.
- تقليل الاعتماد على الحوسبة المكثفة لجعل أبحاث الذكاء الاصطناعي أكثر استدامة.
- استكشاف تحسينات هيكلية ذكية يمكن أن تعزز أداء النماذج في مختبرات صغيرة.
- تمكين الباحثين ذوي الموارد المحدودة من المنافسة في تطوير نماذج ذكاء اصطناعي متقدمة.
نموذج Tiny Recursion Model يثبت أن الابتكار في الهيكلية الداخلية للنماذج يمكن أن يجعل الحجم الصغير أكثر ذكاءً، موفراً طريقة جديدة لتطوير ذكاء اصطناعي فعال حتى دون الاستعانة بالموارد الهائلة للنماذج الضخمة.
