llm-reasoning

讓大型語言模型的強化學習更普及

LLM 基於代理應用的 RL Bridge，簡單且靈活

MMaDA - 開源多模態大型擴散語言模型（具備區塊擴散、混合思維鏈與統一強化學習的 dLLM）

Agent 智能的基礎層。

[NeurIPS 2024 Spotlight] Buffer of Thoughts：基於大型語言模型的思維增強推理

✨✨基礎模型推理最新論文與基準測試

RLAnything (ICML 2026) 與 AutoTool (ICML 2026)，DemyAgent：用於 LLM 與 Agent 場景的開源強化學習

歷年 ICLR 論文與開源專案合集，包含 ICLR2021、ICLR2022、ICLR2023、ICLR2024、ICLR2025。

[ICLR 2026] TraceRL 官方程式碼：徹底改變擴散 LLM 的後訓練流程，驅動 SOTA TraDo 系列。