reasoning

🔍 Search-o1: Agentenbasierte, durch Suche erweiterte große Reasoning-Modelle [EMNLP 2025]

[WWW‘26 Oral🔥] DeepAgent: Ein allgemeiner Reasoning-Agent mit skalierbaren Werkzeugsätzen

[NeurIPS 2025] TTRL: Test-Time Reinforcement Learning

Reinforcement Learning via Self-Distillation (SDPO)

Multimodal Chain-of-Thought Reasoning: Eine umfassende Übersicht

Eine zentrale, offene Ressource für Daten und Tools rund um Chain-of-Thought-Reasoning in großen Sprachmodellen. Entwickelt von der Samwald Research Group: https://samwald.info/

[ACL 2023] Reasoning with Language Model Prompting: A Survey

Pretraining- und Inferenz-Code für ein großflächiges, tiefenrekurrentes Sprachmodell

KI-Tutor, angetrieben von Theory-of-Mind-Schlussfolgerungen

[ACL 2026 KnowFM] Großartige Ressourcen für agentische Deep Research

LLMs können Feedback zu ihrer Arbeit generieren, dieses zur Verbesserung der Ausgabe nutzen und diesen Prozess iterativ wiederholen.

Logiksprache für LLMs 🌱🐋 Weltmodelle erstellen 🌍

MathCode: Ein bahnbrechender Agent für mathematisches Programmieren.

Litex: Die Sprache, in der sich Mathematik selbst verifiziert.

OAT: Ein forschungsfreundliches Framework für das Online-Alignment von LLMs, einschließlich Reinforcement Learning, Präferenzlernen usw.

✨✨ Neueste Papers und Benchmarks zum Reasoning mit Foundation Models

PyTorch-Code für das Paper zu Energy-Based Transformers -- verallgemeinerbare Logik und skalierbares Lernen

Neueste Fortschritte beim Long Chain-of-Thought Reasoning

Offizielle Codebasis für „Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights“ (ICML 2026 Spotlight)

Erkunden Sie den multimodalen „Aha-Moment“ am 2B-Modell.

Code und Dokumentation für das EMNLP-Paper DeepPath: Eine Reinforcement-Learning-Methode für Knowledge-Graph-Reasoning

Offizielle Implementierung des ICLR 2024-Papers: "Reasoning on Graphs: Faithful and Interpretable Large Language Model Reasoning"

[ICLR 2026] QeRL ermöglicht RL für 32B LLMs auf einer einzelnen H100 GPU.

Offizielle Implementierung von Robust-R1: Degradationsbewusstes Schlussfolgern für robustes visuelles Verständnis [AAAI 2026 Oral]

Official implementation of GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization