Forskare under ledning av Zhaoyang Wei presenterade CALR, en metod för att koppla dolda modelltillstånd till svarshandledning. Metoden komprimerar härledningar till latenta block som förblir kopplade till det ursprungliga problemet. Tester på fem riktmärken för matematiskt resonemang visade att CALR presterade 26 procentenheter bättre än en liknande kontinuerlig latent metod, med samma beräkningsbudget. Artikeln publicerades på arXiv den 7 okt. 2026.
Varför det spelar roll
Förbättringen tyder på att AI-system kan lösa matematiska problem mer tillförlitligt utan mer beräkningskraft, vilket kan gynna pedagogiska verktyg.
