# CALR, 수학 추론 정확도 26%p 높여

> 10월 7일 공개된 논문에 따르면, 새 기법인 연속 앵커 잠재 추론(CALR)은 수학 벤치마크 5종에서 성능을 향상시켰다.

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

Zhaoyang Wei가 이끄는 연구진은 모델의 은닉 상태를 답변 감독과 연결하는 방법인 CALR을 소개했다. 이 기법은 풀이 과정을 잠재 블록으로 압축하면서도 원래 문제와의 연결을 유지한다. 수학 추론 벤치마크 5종에서 같은 연산량을 사용했을 때 CALR은 유사한 연속 잠재 추론 기법보다 정확도가 26%p 높았다. 논문은 2026년 10월 7일 arXiv에 공개됐다.

## 팩트

- 비교 가능한 연속 잠재 추론 기법보다 정확도가 26.0%p 향상
- 논문은 2026년 10월 7일 arXiv에 공개

## 왜 중요한가

이번 성과는 연산량을 늘리지 않고도 AI 시스템이 수학 문제를 더 안정적으로 풀 수 있음을 시사하며, 교육 도구에도 도움이 될 수 있다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-10-07