Test-time Recursive Thinking (TRT): самоулучшение LLM через накопление знаний об ошибках

Обнаружено: LLM повторяет те же ошибки в 10 независимых попытках — забыл граничный случай в первой, забудет и в десятой. Причина: каждая генерация происходит в изоляции, нет механизма передачи знаний между попытками. TRT позволяет модели учиться на собственных провалах прямо в процессе решения — без дообучения или внешней проверки. Метод работает через циклы: генерация решений с разными стратегиями → выбор лучшего → извлечение инсайта из неудач → список знаний передаётся в следующий раунд. Модель видит что уже не сработало и избегает повторения. Результат: открытые модели достигли 100% на AIME-25/24, закрытые прибавили +10-15 пунктов на сложных задачах по программированию.