# Método CALR eleva em 26 pontos a precisão em matemática

> A nova técnica Continuous Anchored Latent Reasoning (CALR) melhora o desempenho em cinco benchmarks de matemática, segundo um artigo publicado em 7 de outubro de 2026.

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

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.

## Os fatos

- Ganho de 26,0 pontos percentuais na precisão em relação a um método comparável de raciocínio latente contínuo
- Artigo 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.

## Fontes e referências

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

Última atualização: 2026-10-07