探索微型递归网络如何通过递归推理在复杂任务中超越大型语言模型，仅用700万参数就能在ARC-AGI基准测试中达到45%的准确率。
探索微型递归网络如何通过递归推理在复杂任务中超越大型语言模型，仅用700万参数就能在ARC-AGI基准测试中达到45%的准确率。
体验微型递归网络如何通过迭代改进解决复杂问题
点击"运行模拟"开始演示
微型递归网络的突破性研究成果
仅用700万参数就超越了拥有数千亿参数的大型语言模型，证明了"少即是多"的AI设计理念。
在ARC-AGI基准测试中达到45%的准确率，超越大多数大型语言模型，展现出色的抽象推理能力。
借鉴人脑的分层处理和多时间尺度处理机制，实现更自然、更高效的推理过程。