Un gruppo di ricercatori guidato da Zhaoyang Wei ha presentato CALR, un metodo per collegare gli stati nascosti del modello alla supervisione delle risposte. La tecnica comprime i passaggi delle derivazioni in blocchi latenti, mantenendoli ancorati al problema originale. Nei test su cinque benchmark di ragionamento matematico, CALR ha superato di 26 punti percentuali un metodo simile basato sul ragionamento latente continuo, a parità di risorse di calcolo. Lo studio è stato pubblicato su arXiv il 7 ottobre 2026.
Perché conta
Il miglioramento suggerisce che i sistemi di IA possano risolvere problemi matematici in modo più affidabile senza risorse di calcolo aggiuntive, a beneficio di strumenti didattici.
