Hierarchical Reasoning Model

一款革命性的2700万参数AI模型，能够在单次前向传递中完成复杂的顺序推理。它配备了双重循环模块，用于高级规划和精细细节处理，在解谜和迷宫挑战中表现优于更大的模型。

分层推理模型（HRM）是一种受大脑启发的AI系统，专为高效的多层次推理和规划而设计。不同于依赖资源密集型思维链技术的传统大型语言模型，HRM在单次前向传递中就能完成复杂的序列推理。它拥有双重循环模块——一个用于抽象的高层次规划，另一个用于快速的详细计算——这使得训练既稳定又高效。尽管体积紧凑（参数为2700万），HRM仅使用1000个训练样本且无需预训练，就能在数独解谜和迷宫导航等挑战性任务上实现近乎完美的表现。在人工通用智能的关键基准测试抽象与推理语料库（ARC）上，HRM甚至超越了更大的模型。HRM为实现计算开销最小的通用推理系统迈出了有希望的一步。