Un equipo de investigadores encabezado por Zhaoyang Wei presentó CALR, un método que vincula los estados ocultos del modelo con la supervisión de las respuestas. La técnica comprime las derivaciones en bloques latentes que permanecen ligados al problema original. En pruebas con cinco referentes de razonamiento matemático, CALR superó por 26 puntos porcentuales a un método similar de razonamiento latente continuo con el mismo presupuesto de cómputo. El artículo se publicó en arXiv el 7 de octubre de 2026.
Por qué importa
La mejora sugiere que los sistemas de IA pueden resolver problemas matemáticos con más fiabilidad sin necesitar más cómputo, lo que podría beneficiar a las herramientas educativas.
