# CALR verhoogt nauwkeurigheid bij wiskundig redeneren met 26 punten

> De nieuwe methode Continuous Anchored Latent Reasoning (CALR) verbetert de prestaties op vijf wiskundige benchmarks, blijkt uit een paper die op 7 okt. 2026 is gepubliceerd.

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

Onderzoekers onder leiding van Zhaoyang Wei introduceerden CALR, een methode om verborgen modeltoestanden te koppelen aan supervisie op basis van antwoorden. De methode comprimeert afleidingen tot latente blokken die verbonden blijven met het oorspronkelijke probleem. Tests op vijf benchmarks voor wiskundig redeneren lieten zien dat CALR 26 procentpunten beter presteerde dan een vergelijkbare continue latente methode, bij hetzelfde rekenbudget. De paper werd op 7 okt. 2026 op arXiv gepubliceerd.

## De feiten

- Een nauwkeurigheidswinst van 26,0 procentpunten ten opzichte van een vergelijkbare methode voor continu latent redeneren
- Paper gepubliceerd op arXiv op 7 okt. 2026

## Waarom het ertoe doet

De verbetering wijst erop dat AI-systemen wiskundige problemen betrouwbaarder kunnen oplossen zonder extra rekenkracht, wat educatieve hulpmiddelen ten goede kan komen.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-07