reasoning

🔍 Search-o1: エージェント型検索拡張大規模推論モデル [EMNLP 2025]

[WWW‘26 Oral🔥] DeepAgent: スケーラブルなツールセットを備えた汎用推論エージェント

[NeurIPS 2025] TTRL: テスト時強化学習

自己蒸留による強化学習 (SDPO)

マルチモーダル思考連鎖推論：包括的なサーベイ

大規模言語モデルにおける思考連鎖（chain-of-thought）推論に関するデータとツールの中心的なオープンリソース。開発元：Samwald research group (https://samwald.info/)

[ACL 2023] 言語モデルプロンプトによる推論：サーベイ論文

大規模な深度リカレント言語モデルのための事前学習および推論コード

心の理論（Theory-of-Mind）推論を活用したAI家庭教師

[ACL 2026 KnowFM] エージェント型ディープリサーチに関する厳選リソース集

LLMが自身の生成物に対するフィードバックを作成し、それを利用して出力を改善し、このプロセスを反復的に実行する仕組み

LLMのための論理言語 🌱🐋 ワールドモデルを構築 🌍

MathCode：最先端の数理コーディングエージェント

Litex: 数学が自らを検証する言語。

🌾 OAT：強化学習や好みの学習などを含む、LLMオンラインアライメント向けの研究しやすいフレームワーク。

Energy-Based Transformers 論文の PyTorch コード — 汎用的な推論とスケーラブルな学習

✨✨基盤モデルの推論に関する最新の論文とベンチマーク

Long Chain-of-Thought 推論における最新の進展

「Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights」(ICML 2026 Spotlight)の公式コードベース

2B Modelにおけるマルチモーダルな「アハ体験」を探求

EMNLP論文「DeepPath: A Reinforcement Learning Method for Knowledge Graph Reasoning」のコードとドキュメント

ICLR 2024 採択論文「Reasoning on Graphs: Faithful and Interpretable Large Language Model Reasoning」の公式実装

[ICLR 2026] QeRLは単一のH100 GPUでの32B LLM向けRLを可能にします

[AAAI 2026 Oral] Robust-R1 の公式実装：ロバストな視覚理解のための劣化認識型推論

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