# Метод CALR повысил точность математических рассуждений на 26 п. п.

> Новая методика Continuous Anchored Latent Reasoning (CALR) улучшила результаты на пяти математических тестах. Об этом говорится в статье, опубликованной 7 октября 2026 года.

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

Исследователи во главе с Чжаоян Вэем представили CALR — метод, связывающий скрытые состояния модели с обучением на основе ответов. Он сжимает цепочки рассуждений в латентные блоки, которые остаются привязанными к исходной задаче. В тестах на пяти математических бенчмарках CALR превзошёл схожий метод непрерывных латентных рассуждений на 26 процентных пунктов при том же объёме вычислений. Статья была опубликована на arXiv 7 октября 2026 года.

## Факты

- Рост точности на 26,0 процентного пункта по сравнению с сопоставимым методом непрерывных латентных рассуждений
- Статья опубликована на arXiv 7 октября 2026 года

## Почему это важно

Результат показывает, что системы ИИ могут надёжнее решать математические задачи без увеличения вычислительных затрат, что может быть полезно для образовательных инструментов.

## Источники и ссылки

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

Обновлено: 2026-10-07