一、HRM的誕生與核心架構
2025年8月28日，Live Science報導，新加坡AI公司Sapient開發了一種名為層次推理模型（HRM）的新型人工智能模型，其設計模仿人腦不同区域在毫秒至分鐘時間尺度上整合信息的機制。相較於動辄數十億甚至萬億參數的ChatGPT等大型語言模型，HRM僅使用2700萬個參數和1000個訓練樣本，展現了更高的效率和性能。研究論文已於2025年6月26日上傳至arXiv預印本數據庫，尚未经过同行評審，但其開源代碼已在GitHub發布，供全球研究者驗證。
HRM的核心在於其獨特的層次化架構，包含两个相互依賴的模組：
- 高層模組：負責慢速、抽象的計劃，類似於人腦中的戰略決策。
- 低層模組：處理快速、詳盡的計算，類似人腦的即時反應。
與傳統LLMs依賴的鏈式推理（CoT，Chain‑of‑Thought）不同，HRM通過單次前向傳播執行順序推理任務，无需顯式監督中間步驟。這種“一次思考、多步精煉”的方法通過迭代優化（iterative refinement）提高答案準確性，每次“思考”會評估是否繼續優化或提交最终答案。這種機制使HRM在複雜推理任務中表現卓越，同時降低計算成本。
二、HRM的性能突破
Sapient研究團隊在ARC‑AGI基準測試中驗證了HRM的性能。ARC‑AGI被認為是評估AI接近通用人工智能（AGI）能力的嚴苛標準。測試結果顯示：
- ARC‑AGI‑1：HRM得分40.3%，超越OpenAI的o3‑mini‑high（34.5%）、Anthropic的Claude 3.7（21.2%）和Deepseek R1（15.8%）。
- ARC‑AGI‑2：HRM在更難的測試中得分5%，領先o3‑mini‑high（3%）、Deepseek R1（1.3%）和Claude 3.7（0.9%）。
此外，HRM在複雜數獨解題和迷宮最優路径尋找任務中接近完美表現，而傳統LLMs在這些任務中完全失敗（0%準確率）。這些成果得益於HRM的層次化設計，克服了CoT的三大缺陷：任務分解脆弱、數據需求高和延遲長。
三、顛覆傳統AI的創新點
傳統LLMs如ChatGPT依賴CoT，通過將複雜問題分解為簡單的自然語言步驟，模仿人類思維過程。然而，Sapient團隊在研究中指出，CoT存在“任務分解脆弱、數據需求巨大、推理延遲高”的局限。HRM通過模擬人腦的層次化處理，摒棄了CoT的文本分解方式，直接在模型的潛在空間（latent space）中進行推理。這種“沈默思考”模式无需生成中間文本，顯著提升效率。
HRM的訓練過程也極具創新。研究顯示，其性能提升主要來源於訓練中的“未充分記錄的精煉過程”，而非層次化架構本身。这一發現由ARC‑AGI基準測試團隊驗證，他们在復現結果時確認了HRM的優異表現，但指出架構對性能的直接影響有限。这一結論為AI研究提供了新思路：優化訓練方法可能比單純增加參數更有效。
四、行業反應與市場潛力
HRM的發布引發了科技界廣泛關注。X平台用戶@AIFanatic稱其為“推理AI的革命”，認為其高效設計將推動AI在資源受限環境（如邊緣設備、機器人）的應用。然而，部分研究者質疑其未經過同行評審，可能存在性能誇大風險。Live Science報導指出，ARC‑AGI團隊已經通過開源代碼驗證了HRM的結果，增強了其可信度。
HRM的潛力在於其數據效率和低計算需求。相比ChatGPT（估計3‑5萬億參數），HRM的2700萬參數使其適用于低功耗设备，如嵌入式系統和移動終端。在醫療診斷、氣候預測和機器人控制等領域，HRM可處理稀疏數據，實現高精度推理。Sapient計劃將其應用於稀有病診斷和次季節氣候預測，已經與醫療機構和氣候研究團隊合作，展現了廣泛的商業前景。
五、挑戰與未來展望
儘管HRM表現卓越，但面臨若干挑戰。首先，其推理過程發生在潛在空間，缺乏CoT的文本化中間步驟，導致可解釋性較差。研究團隊已經在論文中展示了部分任務的推理追蹤方法，但需進一步改進以滿足監管需求。其次，未經過同行評審的論文可能限制學術認可，Sapient需推動後續驗證。此外，HRM目前專注於邏輯推理，尚不具備LLMs的語言生成能力，未來需探索混合模型以覆蓋更广任務。
展望未來，HRM的層次化架構可能成為AI設計新范式。Sapient團隊表示正在進行新實驗，預計發布更高的ARC‑AGI分數。結合強化學習和神經科學，HRM有望向通用人工智能邁進，挑戰當前以規模為主的AI發展路径。
六、結論
Sapient的層次推理模型（HRM）以人腦啟發的設計，憑借2700萬個參數和1000個訓練樣本，在推理任務中超越ChatGPT等大型語言模型。其在ARC‑AGI基準測試、複雜數獨和迷宮路径尋找中的優異表現，展示了高效AI的新可能。HRM不僅挑戰了CoT推理的局限，还為資源受限場景提供了解決方案。儘管面臨可解釋性和驗證挑戰，其開源發布和潛在應用前景使其成為2025年AI領域的焦点。谷歌、OpenAI等巨頭需正視这一新兴架构，HRM或將重塑AI推理的未來。