reasoning

PageIndex : index de documents pour le RAG basé sur le raisonnement sans vecteurs

Publication officielle du modèle de raisonnement hiérarchique

Infrastructure native aux graphes pour les systèmes d'IA contextuels et responsables.

Un environnement visuel pour les flux de travail d'agents : itérez sur vos agents 10 fois plus rapidement

Implémenter un LLM de raisonnement en PyTorch à partir de zéro, étape par étape.

TypeDB : Conçu pour les systèmes, pas pour les enregistrements.

[ICLR 2023] ReAct : Synergie entre raisonnement et action dans les modèles de langage

Du Chain-of-Thought prompting à OpenAI o1 et DeepSeek-R1 🍓

Skywork-R1V est une série de modèles d'IA multimodaux avancés développée par Skywork AI, spécialisée dans le raisonnement vision-langage.

Tutoriel, enquête et guide sur les LLM de raisonnement.

Une étude sur l'apprentissage par renforcement pour les grands modèles de raisonnement

GLM-4.6V/4.5V/4.1V-Thinking : Vers un raisonnement multimodal polyvalent grâce à l'apprentissage par renforcement évolutif

Intégration de GraphRAG, LightRAG et Neo4j-llm-graph-builder pour la construction et la recherche de graphes de connaissances. Combine la technologie DeepSearch pour le raisonnement RAG privé et inclut un framework d'évaluation personnalisé pour GraphRAG.

Curation de données entièrement ouverte pour les modèles de raisonnement

Un modèle d'édition d'image open-source SOTA, visant à offrir des performances comparables aux modèles fermés comme GPT-4o et Gemini 2 Flash.

Liste de publications et dépôt de ressources pour l'Embodied AI

Implémentation officielle pour "Automatic Chain of Thought Prompting in Large Language Models" (restez à l'écoute, d'autres mises à jour suivront)

NVIDIA Alpamayo 1 Nano est un modèle VLA de raisonnement 10B open source pour véhicules autonomes, associant trajectoires de conduite et raisonnement par chaîne de causalité.

Solution d'apprentissage par renforcement (RL) évolutive pour le raisonnement avancé des modèles de langage

[ICLR 2026] SimpleVLA-RL : Mise à l'échelle de l'entraînement VLA via l'apprentissage par renforcement.

WFGY se dirige vers le protocole WFGY 5.0 Polaris, une version open-source majeure pour le raisonnement IA, le RAG, les agents et les flux de travail réels. Inclut Problem Map, Global Debug Card, WFGY 4.0 et l'Easter Egg CFV.

Une collection d'articles sur les agents IA (mis à jour toutes les deux semaines).

Protege Desktop

[NeurIPS 2025] 🌐 WebThinker : doter les grands modèles de raisonnement de capacités de recherche approfondie

Moteur de décisions d'ingénierie capable de détecter l'obsolescence. Cadrez, comparez, décidez — avec gestion de la dégradation des preuves et application de la parité. Pour Claude Code, Cursor, Gemini CLI, Codex et plus encore.

Le jeu de données MATH (NeurIPS 2021)

Un framework open source pour modèles de langage étendus (LLM) basés sur la connaissance.

Liste organisée d'articles et de ressources basée sur l'étude "Agentic Reasoning for Large Language Models"

Dernières avancées sur le raisonnement de type System-2.

Comprendre l'entraînement de type R1-Zero : une perspective critique