reasoning

🔍 Search-o1: Model Penalaran Besar yang Ditingkatkan Pencarian Berbasis Agen [EMNLP 2025]

[WWW‘26 Oral🔥] DeepAgent: Agent Penalaran Umum dengan Set Alat yang Dapat Diskalakan

[NeurIPS 2025] TTRL: Pembelajaran Penguatan Saat Waktu Pengujian (Test-Time Reinforcement Learning)

Reinforcement Learning via Self-Distillation (SDPO)

Penalaran Multimodal Chain-of-Thought: Survei Komprehensif

Sumber daya terbuka terpusat untuk data dan alat yang berkaitan dengan penalaran chain-of-thought dalam model bahasa besar. Dikembangkan oleh grup riset Samwald: https://samwald.info/

[ACL 2023] Penalaran dengan Prompting Model Bahasa: Sebuah Survei

Kode pretraining dan inferensi untuk model bahasa depth-recurrent skala besar

Tutor AI yang didukung oleh penalaran Theory-of-Mind

[ACL 2026 KnowFM] Sumber Daya Riset Mendalam Berbasis Agen yang Keren

LLM dapat menghasilkan umpan balik atas pekerjaan mereka, menggunakannya untuk meningkatkan output, dan mengulangi proses ini secara iteratif.

Bahasa Logika untuk LLM 🌱🐋 Bangun Model Dunia 🌍

MathCode: Agen pengodean matematika terdepan

Litex: Bahasa di mana matematika memverifikasi dirinya sendiri.

OAT: Framework yang ramah riset untuk penyelarasan daring LLM, mencakup reinforcement learning, preference learning, dan lainnya.

Kode PyTorch untuk makalah Energy-Based Transformers -- penalaran yang dapat digeneralisasi dan pembelajaran yang dapat menskalakan

✨✨Makalah dan tolok ukur terbaru dalam penalaran dengan Foundation Models

Kemajuan Terbaru dalam Penalaran Rantai Pemikiran Panjang

Basis Kode Resmi untuk "Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights" (ICML 2026 Spotlight)

Jelajahi “Aha Moment” Multimodal pada Model 2B

Kode dan dokumentasi untuk makalah EMNLP "DeepPath: A Reinforcement Learning Method for Knowledge Graph Reasoning"

Implementasi resmi dari makalah ICLR 2024: "Reasoning on Graphs: Faithful and Interpretable Large Language Model Reasoning"

[ICLR 2026] QeRL memungkinkan RL untuk LLM 32B pada satu GPU H100.

🔥🔥🔥[AAAI 2026 Oral] Implementasi Resmi dari Robust-R1: Penalaran Sadar Degradasi untuk Pemahaman Visual yang Robust

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