Courtesy of NatureMagazine

Model AI Kecil Kalahkan LLM Besar dalam Pecahkan Teka-Teki Logika Sulit

Menunjukkan bahwa model AI kecil yang dilatih dengan data terbatas dapat mengalahkan LLM besar dalam menyelesaikan teka-teki logika dan membuka jalur baru dalam pengembangan kemampuan reasoning AI yang efisien.

13 Nov 2025, 07.00 WIB

292 dibaca

Ikhtisar 15 Detik

Model kecil dapat mengalahkan model besar dalam menyelesaikan teka-teki logika.
Penelitian ini menantang anggapan bahwa hanya model besar yang dapat berhasil dalam tugas kompleks.
Ada potensi untuk mengembangkan teknik baru dalam AI yang tidak tergantung pada ukuran model.

Montreal, Kanada - Para peneliti telah mengembangkan model AI kecil bernama Tiny Recursive Model (TRM) yang mampu menyelesaikan teka-teki logika visual seperti sudoku dan labirin dengan sangat baik. Meski ukurannya hanya sepersepuluh ribu LLM terdepan, TRM mengalahkan beberapa model terbesar dalam tes ARC-AGI yang dirancang untuk menguji kemampuan penalaran AI.

Berbeda dengan LLM yang dilatih dari miliaran data dan memiliki milyaran parameter, TRM hanya menggunakan 7 juta parameter dan dilatih dengan sekitar 1.000 contoh per jenis teka-teki. Model ini belajar dengan menebak jawaban, membandingkan hasil dengan solusi benar, lalu memperbaiki tebakan itu berulang kali hingga maksimal 16 kali saat menyelesaikan problem baru.

Walaupun TRM tidak bisa memahami bahasa atau digunakan di luar jenis puzzle yang dilatihnya, keberhasilannya menunjukkan bahwa model AI tidak harus selalu besar dan mahal untuk bisa mengerjakan tugas-tugas kompleks. Pendekatan ini sangat bertolak belakang dengan tren saat ini yang sangat bergantung pada LLM besar.

Peneliti utama, Alexia Jolicoeur-Martineau, menegaskan bahwa kepercayaan bahwa hanya model besar dan mahal yang bisa berhasil adalah jebakan yang membatasi inovasi. Ia telah membuka kode sumber TRM untuk didownload dan dimodifikasi, mengundang komunitas riset untuk mengembangkan arah baru dalam AI reasoning.

Para ahli memuji hasil TRM sebagai tonggak penelitian, walaupun masih ada tantangan untuk membawa teknik ini ke skala lebih besar. Masa depan AI mungkin melibatkan gabungan pendekatan model kecil dan besar agar mampu menyelesaikan berbagai jenis tugas dengan efektif.

Referensi:
[1] https://nature.com/articles/d41586-025-03379-9

Analisis Ahli

Cong Lu

"Teknik ini sangat menjanjikan pada skala kecil, tapi efektivitasnya mungkin menurun jika diterapkan dalam skala besar."

François Chollet

"Hasil ini sangat signifikan dan akan mendorong riset lanjutan meskipun model semacam ini masih kurang praktis karena harus dilatih dari awal untuk tiap masalah."

Analisis Kami

"Keberhasilan TRM membuka perspektif baru bahwa efisiensi dan spesialisasi model AI bisa mengungguli skala besar dalam tugas tertentu. Namun, mengintegrasikan metode ini ke dalam model yang lebih umum seperti LLM tetap menjadi tantangan besar yang harus ditangani dengan hati-hati."

Prediksi Kami

Penelitian dan pengembangan model AI kecil dan spesifik untuk tugas khusus akan meningkat, dan pendekatan reasoning iteratif mungkin diadaptasi ke dalam model LLM untuk memperkuat kemampuan penalaran mereka di masa depan.

Pertanyaan Terkait

Apa itu Tiny Recursive Model (TRM)?

Tiny Recursive Model (TRM) adalah model AI kecil yang dirancang untuk menyelesaikan teka-teki logika dengan efisiensi tinggi.

Siapa penulis makalah tentang TRM?

Penulis makalah tentang TRM adalah Alexia Jolicoeur-Martineau, seorang peneliti AI di Samsung.

Apa tujuan dari tes ARC-AGI?

Tujuan dari tes ARC-AGI adalah untuk menguji kemampuan model AI dalam memecahkan puzzle logika yang sulit.

Bagaimana TRM berbeda dari model bahasa besar?

TRM berbeda dari model bahasa besar karena berfokus pada puzzle logika spesifik dan tidak memerlukan pemahaman bahasa.

Mengapa penelitian ini penting bagi pengembangan AI?

Penelitian ini penting karena menunjukkan bahwa model kecil dapat mencapai hasil yang signifikan dalam tugas yang kompleks, membuka jalan untuk pendekatan baru dalam pengembangan AI.