Zhaoyang Wei के नेतृत्व में शोधकर्ताओं ने CALR पेश किया। यह मॉडल की छिपी अवस्थाओं को उत्तरों से मिलने वाले पर्यवेक्षण के साथ जोड़ने का तरीका है। इस तकनीक में व्युत्पत्तियों को ऐसे अव्यक्त ब्लॉकों में संक्षिप्त किया जाता है, जो मूल समस्या से जुड़े रहते हैं। गणितीय तर्क के पांच बेंचमार्क पर हुए परीक्षणों में, समान कंप्यूट बजट के तहत CALR ने इसी तरह की एक निरंतर अव्यक्त तकनीक से 26 प्रतिशत अंक बेहतर प्रदर्शन किया। शोधपत्र 7 अक्टूबर 2026 को arXiv पर पोस्ट किया गया।
यह क्यों मायने रखता है
यह सुधार बताता है कि AI प्रणालियां अतिरिक्त कंप्यूट के बिना गणित की समस्याएं अधिक भरोसेमंद ढंग से हल कर सकती हैं, जिससे शैक्षिक टूल को फायदा हो सकता है।
