雖然三星的相機技術目前可能缺乏重大突破，但其在人工智慧 (AI) 方面的進步值得關注。該公司最新的 AI 計劃推出了一個模型，其性能顯著優於其他大型語言模型 (LLM)，其中一些模型的規模約為其 10, 000 倍。
三星創新微型遞歸模型介紹
- 該模型被稱為微型遞歸模型 (TRM)，非常緊湊，僅包含 700 萬個參數，而大型 LLM 則包含數十億個參數。
- TRM 利用其輸出來指導其後續步驟，有效地創建自我改進的回饋機制。
- 透過對每個輸出進行迭代推理，它可以模擬更深的神經結構，而不會產生典型的記憶體或計算開銷。
- 透過每次遞歸循環，模型提高了其預測或結果的準確性。
三星的策略類似於修改書面草稿的細緻過程；該模型會反覆識別和糾正錯誤——這比傳統的法學碩士（LLM）課程有了顯著的改進。傳統的法學碩士課程在面臨邏輯挑戰時，只要出現一個錯誤，就會陷入困境。雖然思路鍊式推理對這些模型有所輔助，但在壓力之下，其有效性仍然脆弱。
關鍵要點：擁抱簡單
最初，三星嘗試透過增加模型層數來提升模型複雜度；然而，這種方法導致了過度擬合，並阻礙了泛化。有趣的是，減少層數並增加遞歸迭代次數，反而提升了 TRM 的效能。
績效結果
- 在 Sudoku-Extreme 上實現了 87.4% 的準確率，而傳統的分層推理模型的準確率僅為 55%。
- 確保迷宮難題的準確率達到 85%。
- 在 ARC-AGI-1 挑戰中達到了 45% 的準確率。
- 在 ARC-AGI-2 任務上獲得了 8% 的準確率。
值得注意的是，三星的 TRM 不僅可以與 DeepSeek R1、Google的 Gemini 2.5 Pro 和 OpenAI 的 o3-mini 等更大的 LLM 相媲美，而且在許多情況下甚至超過了它們的性能，同時只使用了它們參數數量的一小部分。
發佈留言