Проблема заключается в том, что большие языковые модели (LLM) имеют ограниченную глубину рассуждений, а техника Chain-of-Thought (CoT) требует много данных, медленная и хрупкая.

Для решения этого предложена HRM (https://arxiv.org/abs/2506.21734) рекуррентная архитектура, вдохновленная иерархической организацией мозга.

Она состоит из двух модулей. Первый модуль это высокоуровневый (медленный, абстрактное планирование), а второй это низкоуровневый (быстрый, детальные вычисления). Между модулями есть иерархическая сходимость, благодаря которой модули работают на разных временных масштабах, предотвращая преждевременную сходимость. Эффективность здесь в двух вещах это экономное использование памяти (обучение с приближённым градиентом) и гибкость так как система сама решает, сколько вычислений ей нужно для конкретной задачи (адаптивное время вычислений, ACT).

В результате модель с всего 27 млн параметров, обученная на 1000 примерах без предобучения и CoT превосходит большие LLM (Claude, o3-mini) на сложных задачах:

ARC-AGI (индуктивные рассуждения): 40.3% vs 34.5% и 21.2%.

Судоку и лабиринты: Почти 100% точность, где CoT-модели показывают 0%.