Samsung ha revelado un desarrollo significativo en la investigación de inteligencia artificial. Se trata del Tiny Recursion Model (TRM) o Modelo de Razonamiento Jerárquico, un pequeño modelo de IA desarrollado por el Instituto de Tecnología Avanzada (SAIT) de Samsung que supera a modelos mucho más grandes de la competencia, como Gemini 2.5 Pro de Google y o3 Mini de OpenAI en en algunos de los puntos de referencia de razonamiento más difíciles en la investigación de IA.
El poder del razonamiento recursivo
El modelo, desarrollado por la investigadora sénior de IA Alexia Jolicoeur-Martineau, destaca por su increíble eficiencia. Con solo 7 millones de parámetros, el TRM es significativamente más pequeño que sus rivales de gran escala. Su éxito radica en un innovador enfoque de razonamiento recursivo.
Según la investigadora, el TRM logra un alto rendimiento «recurriendo a sí mismo y actualizando sus respuestas con el tiempo». Este modelo simplifica técnicas anteriores, utilizando solo una red de dos capas que refina continuamente su propia salida (predicciones) hasta que se alcanza una respuesta estable, incorporando un mecanismo ligero para decidir cuándo detener el refinamiento.
La propia investigadora publicó:
«El Modelo de Razonamiento Jerárquico (HRM) es un enfoque novedoso que utiliza dos pequeñas redes neuronales que se repiten a diferentes frecuencias. Este método de inspiración biológica supera a los modelos de lenguaje grande (LLM) en tareas de rompecabezas difíciles como Sudoku, Maze y ARC-AGI mientras se entrena con modelos pequeños (27 millones de parámetros) en datos pequeños (alrededor de 1000 ejemplos). La gestión de recursos humanos es muy prometedora para resolver problemas difíciles con redes pequeñas, pero aún no se comprende bien y puede ser subóptima.
«Proponemos el Modelo Recursivo Diminuto (TRM), un enfoque de razonamiento recursivo mucho más simple que logra una generalización significativamente mayor que la HRM, mientras utiliza una sola red diminuta con solo 2 capas. Con solo 7 millones de parámetros, TRM obtiene una precisión de prueba del 45% en ARC-AGI-1 y del 8% en ARC-AGI-2, más alta que la mayoría de los LLM (por ejemplo, Deepseek R1, o3-mini, Gemini 2.5 Pro) con menos del 0,01% de los parámetros.»
Eficiencia y acceso abierto
Una de las mayores ventajas del TRM es su reducido tamaño (10,000 veces más pequeño), lo que implica que no requiere un hardware tan potente para funcionar como otros modelos. Este desarrollo desafía la filosofía predominante en la industria que sugiere que la escala lo es todo.
El código completo del Tiny Recursion Model ha sido publicado en GitHub bajo la licencia MIT. Esto significa que está disponible de forma gratuita para que cualquier persona, incluidas otras empresas, pueda utilizarlo, modificarlo e integrarlo en sus propios proyectos de IA.
Visítanos diariamente para que no te pierdas ninguna noticia. Suscríbete al canal de YouTube donde verás El Recuento y reviews de smartphones. Además, no olvides escuchar esta misma sección a través de podcasts por Spotify.
Fuente: Sammobile
