# La méthode CALR améliore de 26 points la précision en maths

> La nouvelle technique Continuous Anchored Latent Reasoning (CALR) améliore les résultats sur cinq tests de raisonnement mathématique, selon une étude publiée le 7 octobre 2026.

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

Une équipe de chercheurs dirigée par Zhaoyang Wei a présenté CALR, une méthode qui relie les états cachés d’un modèle à la supervision des réponses. Elle condense les raisonnements en blocs latents qui restent liés au problème d’origine. Lors de tests sur cinq benchmarks de raisonnement mathématique, CALR a surpassé une méthode similaire fondée sur le raisonnement latent continu de 26 points de pourcentage, à budget de calcul égal. L’étude a été publiée sur arXiv le 7 octobre 2026.

## Les faits

- Gain de précision de 26,0 points de pourcentage par rapport à une méthode comparable de raisonnement latent continu
- Étude publiée sur arXiv le 7 octobre 2026

## Pourquoi c'est important

Cette amélioration laisse penser que les systèmes d’IA peuvent résoudre des problèmes de maths plus fiablement sans calcul supplémentaire, ce qui pourrait profiter aux outils pédagogiques.

## Sources et références

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

Dernière mise à jour: 2026-10-07