reasoning

Search-o1: Modelos de razonamiento grande con búsqueda mejorada mediante agentes [EMNLP 2025]

[WWW‘26 Oral🔥] DeepAgent: Un agente de razonamiento general con conjuntos de herramientas escalables

[NeurIPS 2025] TTRL: Aprendizaje por refuerzo en tiempo de prueba

Aprendizaje por refuerzo mediante autodestilación (SDPO)

Razonamiento multimodal de cadena de pensamiento: un estudio exhaustivo

Un recurso central y abierto para datos y herramientas relacionados con el razonamiento de cadena de pensamientos en modelos de lenguaje grandes. Desarrollado en el grupo de investigación de Samwald: https://samwald.info/

[ACL 2023] Razonamiento con prompting de modelos de lenguaje: un estudio.

Código de preentrenamiento e inferencia para un modelo de lenguaje recurrente de profundidad a gran escala

Tutor de IA basado en razonamiento de Teoría de la Mente

[ACL 2026 KnowFM] Recursos increíbles sobre investigación profunda con agentes

Los LLM pueden generar comentarios sobre su propio trabajo, utilizarlos para mejorar el resultado y repetir este proceso de forma iterativa.

Lenguaje lógico para LLMs 🌱🐋 Construye modelos del mundo 🌍

MathCode: Un agente de codificación matemática de vanguardia

Litex: El lenguaje donde las matemáticas se verifican a sí mismas.

🌾 OAT: Un marco de trabajo amigable para la investigación de alineación en línea de LLM, que incluye aprendizaje por refuerzo, aprendizaje de preferencias, etc.

Código de PyTorch para el artículo Energy-Based Transformers: razonamiento generalizable y aprendizaje escalable

✨✨Últimos artículos y benchmarks sobre razonamiento con modelos base

Últimos avances en razonamiento de cadena de pensamiento larga (Long Chain-of-Thought)

Repositorio oficial para "Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights" (ICML 2026 Spotlight)

Explora el momento "Aha" multimodal en un modelo de 2B.

Código y documentación para el artículo de EMNLP "DeepPath: A Reinforcement Learning Method for Knowledge Graph Reasoning".

Implementación oficial del artículo de ICLR 2024: "Reasoning on Graphs: Faithful and Interpretable Large Language Model Reasoning"

[ICLR 2026] QeRL permite RL para LLMs de 32B en una sola GPU H100

🔥🔥🔥 [AAAI 2026 Oral] Implementación oficial de Robust-R1: Razonamiento consciente de la degradación para una comprensión visual robusta

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