پژوهشگران به سرپرستی ژائویانگ وی، روش CALR را معرفی کردند؛ روشی برای پیوند دادن حالت‌های نهفته مدل با نظارت بر پاسخ‌ها. این روش، روندهای استدلال را به بلوک‌های نهفته فشرده می‌کند که همچنان به مسئله اصلی مرتبط می‌مانند. آزمایش‌ها روی پنج معیار سنجش استدلال ریاضی نشان داد که CALR با بودجه محاسباتی یکسان، ۲۶ واحد درصد بهتر از روشی مشابه مبتنی بر استدلال نهفته پیوسته عمل کرد. مقاله در ۷ اکتبر ۲۰۲۶ در arXiv منتشر شد.
چرا مهم است
این پیشرفت نشان می‌دهد سامانه‌های هوش مصنوعی می‌توانند بدون محاسبات بیشتر، مسائل ریاضی را با اطمینان بیشتری حل کنند؛ قابلیتی که می‌تواند به ابزارهای آموزشی کمک کند.
