Pesquisadores liderados por Zhaoyang Wei apresentaram o CALR, um método que vincula estados ocultos do modelo à supervisão das respostas. A técnica comprime as derivações em blocos latentes que permanecem ligados ao problema original. Em testes com cinco benchmarks de raciocínio matemático, o CALR superou uma abordagem semelhante de raciocínio latente contínuo por 26 pontos percentuais, usando o mesmo orçamento computacional. O artigo foi publicado no arXiv em 7 de outubro de 2026.
Por que importa
A melhora sugere que sistemas de IA podem resolver problemas matemáticos com mais confiabilidade sem usar mais recursos computacionais, o que pode beneficiar ferramentas educacionais.
