# CALR手法、数学推論の精度を26ポイント向上

> 新たな「Continuous Anchored Latent Reasoning（CALR）」手法は、5つの数学ベンチマークで性能を高めた。論文は2026年10月7日に公開された。

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

Zhaoyang Wei氏らの研究チームは、モデルの隠れ状態と回答に対する教師信号を結び付ける手法「CALR」を発表した。この手法では、導出過程を潜在ブロックに圧縮し、元の問題との結び付きを保つ。5つの数学的推論ベンチマークでのテストでは、同じ計算予算のもと、CALRは類似する連続潜在推論手法を26パーセントポイント上回った。論文は2026年10月7日にarXivで公開された。

## 事実

- 同等の連続潜在推論手法と比べ、正解率が26.0パーセントポイント向上
- 論文は2026年10月7日にarXivで公開

## なぜ重要か

計算量を増やさずにAIシステムがより確実に数学の問題を解ける可能性を示しており、教育ツールへの活用も期待できる。

## 出典と参考資料

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

最終更新: 2026-10-07