---
type: Article
title: "Hierarchical Reasoning Model (HRM)"
description: "O Hierarchical Reasoning Model (HRM) é uma nova arquitetura recorrente inspirada no cérebro humano que promete dar um salto em raciocínio com poucos dados de treino e baixo custo…"
resource: https://felipecferreira.com.br/biblioteca/hierarchical-reasoning-model-hrm/
generated: { by: process:okf-bridge, at: 2026-09-03T01:38:52Z }
status: stable
sources:
  - id: canonical-html
    resource: https://felipecferreira.com.br/biblioteca/hierarchical-reasoning-model-hrm/
    title: "Página oficial em HTML"
    last_modified: 2026-08-19T19:48:32Z
---

# Hierarchical Reasoning Model (HRM)

O **Hierarchical Reasoning Model (HRM)** é uma nova arquitetura recorrente inspirada no cérebro humano que promete dar um salto em **raciocínio** com **poucos dados de treino** e **baixo custo computacional**.

Esta é mais uma **revisão de artigos científicos** em nosso portal, que visa disponibilizar os avanços na fronteira do conhecimento em [Inteligência Artificial](https://felipecferreira.com.br/biblioteca/o-que-e-inteligencia-artificial/) de forma simplificada e em nosso idioma.

Você pode acessar o artigo de Wang et al (2025), na íntegra, [clicando aqui](https://arxiv.org/abs/2506.21734).

Bom, voltando ao raciocínio, em vez de depender de *[chain‑of‑thought](https://felipecferreira.com.br/biblioteca/desvendando-o-long-chain-of-thought-long-cot/)* (CoT), o **Hierarchical Reasoning Model (HRM)** faz o “trabalho pesado” **no espaço latente**, em ciclos hierárquicos (daqui o nome) rápidos e lentos, e entrega a resposta **em um único forward pass** (processamento completo da entrada até a saída em uma única execução do modelo).

Nos testes, um HRM com **~27 milhões de parâmetros** treinado com cerca de **1.000 exemplos** superou modelos muito maiores em benchmarks como **ARC‑AGI** e resolveu **Sudoku extremo** e **labirintos 30×30** onde métodos CoT falharam.

Abaixo temos uma **imagem retirada diretamente do paper**, que compara o HRM com outros modelos (Deepseek R1, Claude 3.7 e GPT o3-mini-high).

*Desempenho do Hierarchical Reasoning Model (HRM) comparado a modelos de referência em três benchmarks: ARC-AGI-1, ARC-AGI-2, Sudoku-Extreme (9×9) e Maze-Hard (30×30). O HRM atinge resultados superiores com muito menos dados e sem usar chain-of-thought. Fonte: Wang et al (2025, p.1).*

Vale ressaltar que o **HRM não foi “acoplado” a um**[**LLM**](https://felipecferreira.com.br/biblioteca/o-que-sao-llms-large-language-models/) pré-treinado como GPT ou Claude, isto é, ele foi treinado do zero (random initialized) em formato sequence-to-sequence, com seus próprios módulos recorrentes H (alto nível) e L (baixo nível), implementados com blocos Transformer encoder-only.

*Sensacional né!?*

*Vamos ver isso tudo um pouco mais a fundo.*

## A ideia central no HRM: dois “cérebros” que pensam em ritmos diferentes

O HRM divide o raciocínio em **dois módulos recorrentes acoplados**:

* **Módulo de alto nível (H):** faz o **planejamento abstrato**, atualizando mais devagar.
* **Módulo de baixo nível (L):** executa **cálculos rápidos e detalhados**, atualizando muitas vezes até atingir um equilíbrio local.

Esse desenho cria o que os autores chamam de **convergência hierárquica**: o L (Low) roda várias iterações rápidas até estabilizar; então o H (High) dá um “passo” e **reinicializa o L** para um novo subciclo.

Isso **evita a convergência precoce** típica de [Redes neurais](https://felipecferreira.com.br/biblioteca/redes-neurais-neural-networks/) recorrentes (RNNs) e aumenta a **profundidade efetiva de computação** sem estourar memória com *backpropagation through time*.

Resultado: **mais “passos de pensamento” efetivos** na mesma passada e com estabilidade de treino.

Para treinar, o HRM usa uma **aproximação de gradiente em 1 passo** (inspirada em Deep Equilibrium Models), o que mantém **memória O(1)** e dispensa o unroll longo no tempo.

Conceitualmente, o gradiente “salta” para o **último estado** de cada módulo e propaga a partir dali.

Na prática (principal aspecto pra nós), isso simplifica o código (PyTorch) e é mais plausível biologicamente.

## O que o HRM entregou nos benchmarks (com pouquíssimos dados)?

Como já comentei contigo, os autores treinaram o HRM **do zero** (sem pré‑treino, sem CoT) no formato seq‑to‑seq, achatando grades 2D para sequência de tokens.

Com **~1.000 exemplos por tarefa**, o HRM:

* **ARC‑AGI‑1/2 (raciocínio indutivo):** bateu modelos CoT maiores, mesmo com janelas de contexto bem menores.
* **Sudoku‑Extreme (9×9):** atingiu **quase perfeição** com apenas 1.000 exemplos, isto é, um cenário onde baselines diretos (sem CoT) praticamente não andaram.
* **Maze‑Hard (30×30):** encontrou **caminhos ótimos** onde métodos CoT ficaram em **0%**.

Detalhe importante para (nós) profissionais: o conjunto **Sudoku‑Extreme** foi selecionado para **ser realmente difícil** (média de 22 *backtracks* por quebra‑cabeça, contra 0,45 em conjuntos artesanais recentes).

*Ou seja, foi um teste de ponta!*

## “Pensar, rápido e devagar”: ACT e *scaling* no tempo de inferência

O HRM incorpora **Adaptive Computation Time (ACT)** com uma "cabeça" (lógica) de **Q‑learning** para decidir **quando parar de pensar**.

Na prática, o modelo aprende a **gastar mais passos** em problemas difíceis e **menos** nos fáceis.

Em Sudoku, o ACT manteve **pouco compute médio** sem perder acurácia versus uma configuração fixa, e ainda permite **escalar na inferência**: aumentar o limite de passos em produção **melhora a precisão** sem retreino.

Essa adaptação é ouro para **produtização**: você regula **latência vs. qualidade** por política (ex.: “clientes enterprise” ganham *Mmax* maior em tarefas críticas) e mantém custo sob controle.

## Por que isto desafia o paradigma CoT (e o que muda no dia a dia)

Os LLMs **não são Turing‑completos** e, com profundidade fixa, tendem a **bater no teto** em tarefas com **planejamento e busca**.

O CoT ajuda, mas é **frágil**: depende da ordem das premissas, **infla tokens**, fica **lento** e **data‑hungry**.

O HRM contorna isso ao **internalizar o raciocínio** com **profundidade efetiva variável**, guiada por uma hierarquia inspirada no córtex (ritmos lentos/rápidos).

Traduzindo para o trabalho real B2B/B2C:

* **Automação analítica e qualidade de decisão:** tarefas que exigem **backtracking** (ex.: reconciliação de dados, rota logística ótima, planejamento com restrições) podem se beneficiar do **ACT + profundidade efetiva** sem inflar custo de tokens.
* **Soluções on‑prem/edge:** a **memória O(1)** no treino e a execução **em um único forward pass** reduzem **exigências de hardware**, abrindo espaço para **modelos pequenos** especializados que resolvem **problemas difíceis**.

## Como o HRM “pensa” por dentro (e o que observar na prática)

Os autores visualizam **timestep a timestep** e observam padrões intuitivos:

* **Labirintos:** o modelo tenta múltiplos caminhos, elimina rotas ruins, depois **refina** a solução.
* **Sudoku:** comportamento de **busca em profundidade com retrocesso** (errou, volta, tenta outra), até fechar a grade.
* **ARC:** sequência de **ajustes incrementais** no tabuleiro (tipo *hill‑climbing*), com poucos “desfazes”.

Essa **flexibilidade de estratégia** por tarefa é um diferencial: o HRM “escolhe a ferramenta certa” para cada problema.

*NOTA: Estes gráficos e descrições aparecem na seção de visualizações do paper.*

## Quando o HRM faz sentido para você (e quando não)?

**Faz sentido** quando você precisa de:

* **Raciocínio simbólico/algorítmico** com **pouco dado rotulado** (≈1.000 exemplos).
* **Controle de compute/latência** por amostra (*ACT*).
* **Respostas diretas** sem depender de longos CoTs que encarecem e variam demais.

**Pode não ser a melhor troca** quando:

* O problema é **puramente gerativo** (copy, narrativa, *tone of voice*) onde CoT longos ajudam no **estilo** tanto quanto no raciocínio.
* Já existe **infra otimizada** para LLMs grandes com *tool use* e você **não** enfrenta gargalos de **latência/custo** nem **erros de decomposição** em CoT.

## Boas práticas para experimentar HRM

Mesmo sem ter o código do HRM no seu stack agora, dá para **absorver princípios**:

1. **Profundidade efetiva sob demanda:** em tarefas difíceis, **faça “mais passos” antes de responder**. Hoje, simule com **auto‑refine** (ex.: *draft → critique → revise*) e **pare cedo** quando a confiança estiver alta. Isso espelha o ACT.
2. **Raciocínio no latente:** reduza CoT verboso. Use **raciocínio estruturado interno** (ex.: *scratchpad* privado + verificação de consistência) e **decodificação direta** do resultado final.
3. **Currículo de dificuldades:** o Sudoku‑Extreme dos autores mostra o valor de **dados realmente desafiadores**. Se seu dataset é fácil, gere **variantes “duras”** (restrições adicionais, instâncias limite).
4. **Avalie com métricas “de caminho ótimo”:** em problemas de busca/planejamento, **exija otimalidade** (não apenas validade). É o que eles fizeram nos labirintos.

## Conclusões

O HRM sugere uma mudança de eixo: **do CoT textual para computação hierárquica latente**, com **profundidade adaptativa** e **eficiência de treino**.

Em números, um modelo **pequeno (~27M)** e **pouco dado (~1.000 exemplos)** derrubou paredes que pareciam “coisa de modelos gigantes”.

Para quem precisa de **raciocínio confiável**, **latência controlável** e **custos sob medida**, vale acompanhar de perto e, se fizer sentido, **importar suas ideias** para o seu pipeline.

Fique à vontade para compartilhar comigo suas experiências e dúvidas.

## Referência

WANG, Guan et al. Hierarchical Reasoning Model. arXiv preprint arXiv:2506.21734, 2025. Disponível em: https://arxiv.org/abs/2506.21734. Último Acesso em: 19 ago. 2026.