# طريقة CALR ترفع دقة الاستدلال الرياضي 26 نقطة

> تحسّن تقنية الاستدلال الكامن المرتكز المستمر (CALR) الأداء في خمسة اختبارات معيارية للرياضيات، وفقًا لورقة بحثية نُشرت في 7 أكتوبر 2026.

Oossa · 2026-10-07 · https://oossa.com/ar/calr-method-boosts-math-reasoning-accuracy-by-26-points

قدّم باحثون بقيادة Zhaoyang Wei تقنية CALR، وهي طريقة لربط الحالات الكامنة للنموذج بالإشراف على الإجابات. تضغط الطريقة خطوات الاستدلال في كتل كامنة تظل مرتبطة بالمسألة الأصلية. وأظهرت الاختبارات على خمسة معايير للاستدلال الرياضي أن CALR تفوقت بفارق 26 نقطة مئوية على نهج كامن مستمر مماثل، عند استخدام ميزانية الحوسبة نفسها. ونُشرت الورقة على arXiv في 7 أكتوبر 2026.

## الحقائق

- زيادة في الدقة بمقدار 26.0 نقطة مئوية مقارنة بطريقة مماثلة للاستدلال الكامن المستمر
- نُشرت الورقة على arXiv في 7 أكتوبر 2026

## لماذا يهم

يشير هذا التحسن إلى أن أنظمة الذكاء الاصطناعي تستطيع حل المسائل الرياضية بموثوقية أكبر من دون موارد حوسبة إضافية، ما قد يفيد الأدوات التعليمية.

## المصادر والمراجع

1. [CALR: Continuous Anchored Latent Reasoning via Render-of-Thought Compression](https://arxiv.org/abs/2610.07175) – arXiv cs.CV, 2026-10-07

آخر تحديث: 2026-10-07