Reasoning

NLP论文速读|chameleon：一个即插即用的组合推理模块Plug-and-Play Compositional Reasoning with Large Language Models

论文速读|Chameleon:Plug-and-PlayCompositionalReasoningwithLargeLanguageModels论文信息：简介:该论文介绍了一个名为Chameleon的人工智能系统，旨在解决大型语言模型（LLMs）在处理复杂推理任务时存在的固有限制，例如无法访问最新信息、使用外部工具以及执行精确的数学和逻辑推理。Chameleon通过插入即用模块增强LLMs，使其

Power2024666·2025-07-24 03:37

Synergizing RAG and Reasoning: A Systematic Review-RAG与推理能力深度结合-新方向

核心主张：RAG与推理的深度整合（RAG+Reasoning）是突破上述瓶颈的关键，通过“检索提供实时知识，推理赋予逻辑能力”

数据分析能量站·2025-07-19 19:05

langgraph的ReAct应用

一、什么是langgraph的ReActLangGraph中的ReAct（Reasoning+Acting）代理是一种结合推理与行动能力的AI代理架构，通过动态决策链实现复杂任务处理。

fishjar100·2025-07-11 16:05

【论文阅读】AdaCtrl: Towards Adaptive and Controllable Reasoning via Difficulty-Aware Budgeting

AdaCtrl:TowardsAdaptiveandControllableReasoningviaDifficulty-AwareBudgeting3Method3.1长度触发标签作为控制接口（Length-TriggerTagsasControllingInterface）3.2冷启动微调（Cold-startfine-tuning）3.3难度感知的强化学习框架（Difficulty-awar

quintus0505·2025-07-11 00:16

解密企业级大模型智能体Agentic AI 关键技术：MCP、A2A、Reasoning LLMs- GPT源代码解析

解密企业级大模型智能体AgenticAI关键技术：MCP、A2A、ReasoningLLMs-GPT源代码解析我们可以稍微看一下，这是我们GPT的基于它的源代码产生的可视化的内容。这边是model，我们在谈这个sampling的时候，本身首先就是说它这个probabilitydistribution，会有很多的参数对它进行影响。例如temperature，如果你是hightemperature的话

大模型与Agent智能体·2025-07-09 11:19

[文献阅读]ReAct: Synergizing Reasoning and Acting in Language Models

文章目录摘要Abstract:思考与行为协同化Reason(Chainofthought)ReActReAct如何协同推理+响应Action（动作空间）协同推理结果总结摘要ReAct:SynergizingReasoningandActinginLanguageModels[2210.03629]ReAct:SynergizingReasoningandActinginLanguageModels

xiao_yuzaijia·2025-07-09 06:16

The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models

文章主要内容总结本文围绕大推理模型（LRMs）的推理能力展开系统研究，通过可控谜题环境分析其在不同问题复杂度下的表现，揭示其优势与局限性：研究背景与问题：当前LRMs（如OpenAIo1/o3、DeepSeek-R1等）虽在推理基准测试中表现提升，但对其底层能力、缩放特性及局限性的理解不足。现有评估依赖数学和编码基准，存在数据污染且缺乏对推理轨迹的深度分析。研究方法：采用可控谜题环境（如汉诺塔、跳

UnknownBody·2025-07-08 22:50

ART（Automatic Reasoning and Tool-use）：自动推理与工具使用的革命性突破

引言在人工智能快速发展的今天，大语言模型（LLM）的能力边界正在不断被重新定义。ART（AutomaticReasoningandTool-use）技术作为一项革命性的突破，为AI系统提供了自动推理并使用外部工具的能力，这标志着我们正在迈向更加智能和实用的AI时代。什么是ART技术？ART是AutomaticReasoningandTool-use的缩写，它是一种让AI系统能够自动进行推理并调用外

·2025-07-05 02:57

什么是 Agentic AI？从聊天助手走向自主智能体

从聊天助手走向自主智能体一、AgenticAI概念解析AgenticAI的四大核心特征：二、AgenticAI系统架构：从ReAct到Auto-GPTReAct架构（Reasoning+Acting）Auto-GPT

gs80140·2025-06-23 17:53

论文阅读：arxiv 2025 OThink-R1: Intrinsic Fast/Slow Thinking Mode Switching for Over-Reasoning Mitigation

CSPhD-winston-杨帆·2025-06-18 11:38

旅游规划智能体之ReAct Agent实战

ReAct框架核心原理c框架概念解析ReAct框架是Reasoning（推理）与Acting（行动）相结合的智能体设计范式

敲键盘的小夜猫·2025-06-17 07:30

【大模型】【DeepSeek】DeepSeek-R1：Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

DeepSeek-R1：通过强化学习激励大语言模型的推理能力0.论文摘要我们推出了第一代推理模型DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero是一个通过大规模强化学习（RL）训练而成的模型，没有经过监督微调（SFT）作为初步步骤，展现了卓越的推理能力。通过RL，DeepSeek-R1-Zero自然涌现出许多强大且有趣的推理行为。然而，它也面临诸如可读性差

量子-Alex·2025-06-08 18:51

【论文解读】MemGPT: 迈向为操作系统的LLM

TowardsLLMsasOperatingSystemscode:letta-ai/letta:Letta(formerlyMemGPT)isthestatefulagentsframeworkwithmemory,reasoning

vlln·2025-06-06 07:07

17、Swift框架微调实战（2）-QWQ-32B LORA微调cot数据集

1、QWQ-32B介绍1.1基本介绍QwQ是Qwen系列的大模型之一，专注于推理能力（reasoning）。

Andy_shenzl·2025-05-31 02:14

GraphInstruct: Empowering Large Language Models with Graph Understanding and Reasoning Capability

本文是LLM系列文章，针对《GraphInstruct:EmpoweringLargeLanguageModelswithGraphUnderstandingandReasoningCapability》的翻译。GraphDirective：赋予大型语言模型图形理解和推理能力摘要1引言2相关工作3GraphInstruct基准4GraphLM：在GraphInstruction上训练大型语言模型5

UnknownBody·2025-05-30 18:17

【保姆级教程】模型蒸馏新突破：利用大模型提升小模型能力的Reasoning模型实践指南！

01前言DeepSeek-R1的爆火让更多开发者注意到模型蒸馏技术——这种让小模型也能"开小灶"习得大模型知识精华的秘诀。今天我们就用Qwen2.5-1.5B小模型（相当于AI界的初中生）来进行实践！什么是模型蒸馏？就像普通学生跟着学霸学解题思路：-教师模型=学霸本霸（比如DeepSeek-R1）-学生模型=需要进步的Qwen2.5-1.5B-蒸馏数据=学霸的解题笔记三步速成法：制造"学霸笔记"（

大模型入门教程·2025-05-30 16:59

LangChain02-Agent与Memory模块

Agent与Memory模块深度解析1.Agent模块原理1.1ReAct框架的实现机制Agent是LangChain中最具智能化的组件，其核心思想基于ReAct框架（Reasoning+Acting）

江畔柳前堤·2025-05-28 01:27

【LangGraph】langgraph.prebuilt.create_react_agent() 函数：快速创建基于 ReAct（Reasoning + Acting）架构的智能代理

本文是对langgraph.prebuilt.create_react_agent函数的详细且全面的介绍，涵盖其定义、功能、设计理念、参数、返回值、使用场景、实现原理、示例代码、高级用法、注意事项、与其他方法的对比，以及学习建议。1.概述langgraph.prebuilt.create_react_agent是LangGraph库中的一个预构建函数，位于langgraph.prebuilt模块，

彬彬侠·2025-05-20 07:22

Absolute Zero: Reinforced Self-play Reasoning with Zero Data

文章主要内容总结本文提出了一种名为AbsoluteZero的强化学习新范式，旨在解决现有强化学习方法依赖人工标注数据的问题。核心是让模型通过自我博弈（self-play）自主生成任务并解决，无需任何外部数据。具体通过以下方面展开：核心框架：AbsoluteZero推理器（AZR）模型同时担任**任务提议者（proposer）和问题解决者（solver）**双重角色。提议者生成三种类型的编程任务（演

UnknownBody·2025-05-17 22:53

Tina: Tiny Reasoning Models via LoRA

主要内容研究背景与问题：语言模型在多种任务中表现出色，但实现强大的多步推理能力仍是挑战。通过监督微调增强推理存在依赖专家演示、可能导致浅层模仿等问题；强化学习虽能让模型灵活学习，但资源消耗大。本文聚焦于如何通过高效的强化学习在语言模型中经济高效地赋予推理能力。相关工作：介绍了开源推理模型的发展，如STILL、Sky-T1等旨在复制或超越先进推理模型能力；阐述了强化学习在推理任务中的应用，包括引入辅

UnknownBody·2025-05-17 22:52

解密企业级大模型智能体Agentic AI 关键技术：MCP、A2A、Reasoning LLMs-企业级大模型智能体关键技术

解密企业级大模型智能体AgenticAI关键技术：MCP、A2A、ReasoningLLMs-企业级大模型智能体关键技术从今天开始，我们将系统地讲解企业级大模型智能体的所有关键技术、落地的最佳实践，以及众多大型项目。谈及企业级大模型智能体，我相信大家尤其是从去年9月，即2024年9月开始，接触到了越来越多与之相关的技术，包括很多框架，例如langchain、langgraph、crewAI。当然，

·2025-05-11 22:41

解密企业级大模型智能体Agentic AI 关键技术：MCP、A2A、Reasoning LLMs-1

解密企业级大模型智能体AgenticAI关键技术：MCP、A2A、ReasoningLLMs-1关键词：MCP、A2A、ADK、DeepSeek、ReasoningLLMs、ReinforcementLearning、ComputerUse、LangGraph联系信息：大咖微信：NLP_Matrix_Space联系电话：+1650-603-1290联系邮箱：[email protected]

·2025-05-11 15:37

Phi-4-reasoning技术报告

MarahAbdin,SahajAgarwal,AhmedAwadallah,VidhishaBalachandran,HarkiratBehl,LingjiaoChen,GustavodeRosa,SuriyaGunasekar,MojanJavaheripi,NeelJoshi,PieroKauffmann,YashLara,CaioCésarTeodoroMendes,ArindamMitr

jacky_wxl(微信同号）·2025-05-08 16:27

LLM 的边界，真的只是预测下一个 Token 吗？

“LLMsaremeretokengenerators—lackingworldmodels,reasoning,planning,andmemory—andwi

turingbooks·2025-05-05 18:13

Stop Overthinking: A Survey on Efficient Reasoning for Large Language Models

文章目录摘要1引言2背景：长思维链推理模型与过度思考现象2.1思维链（CoT）推理2.2长CoT推理模型中的过度思考问题3基于模型的高效推理3.1基于长度奖励设计的强化学习（RL）3.2使用可变长度CoT数据的监督微调（SFT）3.2.1构建可变长度CoT推理数据集3.2.2微调方法4基于推理输出的高效推理4.1将推理步骤压缩为更少的潜在表示4.2推理过程中的动态推理范式4.2.1基于显式标准的动

绒绒毛毛雨·2025-05-04 18:00

【大模型开发解惑】DeepSeek-R1 强化学习（RL）步骤与方法解析

框架概述1.1核心算法：GRPO（GroupRelativePolicyOptimization）1.2奖励机制设计RL训练流程详解2.1冷启动监督微调（ColdStartSFT）2.2推理导向的强化学习（Reasoning-OrientedRL

云博士的AI课堂·2025-04-30 08:27

深度对比：DeepSeek与ChatGPT的技术差异与范式演进

具体而言，其决策模块可分解为：M(x)=σ(RL(x)⊕Symbolic_Reasoning(x))M(x)=σ(RL(x)⊕Symbolic_Reasoning(x))其中⊕⊕表示张量拼接操作，σσ为门控激活函数

张家铭02·2025-04-29 07:21

[论文阅读]ReAct: Synergizing Reasoning and Acting in Language Models

ReAct:SynergizingReasoningandActinginLanguageModels[2210.03629]ReAct:SynergizingReasoningandActinginLanguageModelsICLR2023这是一篇在2022年挂出来的论文，不要以现在更加强大且性能综合的LLM来对这篇文章进行批判。思想来源于作者对人类行为的分析：在人类从事一项需要多个步骤的任务

0x211·2025-04-26 18:48

Large Language Models for Mathematical Reasoning: Progresses and Challenges

本文是LLM系列文章，针对《LargeLanguageModelsforMathematicalReasoning:ProgressesandChallenges》的翻译。数学推理的大语言模型：进展与挑战摘要1引言2相关工作3数学问题和数据集4方法5分析6挑战7结论摘要数学推理是评估人类智力基本认知能力的基石。近年来，面向数学问题自动解决的大型语言模型（LLM）的发展出现了显著的激增。然而，数学问

UnknownBody·2025-04-25 01:05

本地大模型编程实战(14)初探智能体Agent(1)

文章目录了解`Agent(智能体)``tool(工具)`与`Agent(智能体)`的区别`ReAct（Reasoning+Acting）``ReAct`的核心思路准备建立矢量数据库数据文件处理本地矢量库的类嵌入文本创建

火云牌神·2025-04-24 20:05

论文翻译：ICLR-2023.DYVAL: DYNAMIC EVALUATION OF LARGE LANGUAGE MODELS FOR REASONING TASKS

DYVAL:DYNAMICEVALUATIONOFLARGELANGUAGEMODELSFORREASONINGTASKShttps://openreview.net/forum?id=gjfOL9z5XrDynamicevaluationtomitigatepotentialtestdatacontamination:weintegratedthedynamicevaluationframewo

CSPhD-winston-杨帆·2025-04-21 17:40

Video-R1: Reinforcing Video Reasoning in MLLMs

文章主要内容总结研究背景与目标本文针对多模态大语言模型（MLLMs）在视频推理任务中的不足，提出了Video-R1模型，旨在通过强化学习（RL）范式系统性提升模型的视频推理能力。现有方法在视频推理中面临两个核心挑战：缺乏时间建模能力和高质量视频推理数据稀缺。方法创新点T-GRPO算法提出时间增强的群体相对策略优化算法（T-GRPO），通过对比有序和随机打乱的视频帧序列推理结果，显式鼓励模型利用时间

UnknownBody·2025-04-13 10:10

大模型论文速读DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning2025.1

全文摘要本文介绍了DeepSeek-R1及其两个版本：DeepSeek-R1-Zero和DeepSeek-R1。通过大规模强化学习（RL）训练的DeepSeek-R1-Zero具有出色的推理能力，并且自然地出现了许多强大的推理行为。然而，它也存在一些问题，如可读性差和语言混合等。为了解决这些问题并进一步提高推理性能，作者引入了DeepSeek-R1，该模型在多阶段训练和冷启动数据之前进行RL训练。

黛玛日孜·2025-04-06 22:20

基于推理的强化学习智能体设计与开发

1.理论基础与核心概念1.1推理强化学习（Reasoning-EnhancedRL）定义核心思想：在传统强化学习的马尔可夫决策过程（MDP）基础上，引入符号推理、因果推断和知识引导机制，解决复杂环境中的长程依赖和稀疏奖励问题

由数入道·2025-03-24 17:45

【AI Agent教程】各种Agent开发框架都是如何实现ReAct思想的？深入源码学习一下

ReAct方式是AIAgent最常用的实现思路之一，它强调在执行任务时结合推理（Reasoning）和行动（Acting）两个方面，使得Agent能够在复杂和动态的环境中更有效地工作。

同学小张·2025-03-20 05:29

deepseek在vue3的应用

asyncfunctionaiAPi(){dialog.value.visible=truedialog.value.reasoning_content=''dialog.value.content='

白马？定叫他有来无回！·2025-03-13 10:10

LangChain教程 - Agent -之 ZERO_SHOT_REACT_DESCRIPTION

LangChain提供了AgentType.ZERO_SHOT_REACT_DESCRIPTION，它结合了ReAct（Reasoning+Acting）策略，使得LLM可以基于工具的描述智能选择合适的工具进行推理和执行

花千树-010·2025-03-12 21:40

LLM论文笔记 20: How to think step-by-step: A mechanistic understanding of chain-of-thought reasoning

Arxiv日期：2024.5.16机构：IIT关键词CoT本质LLM推理本质核心结论1.CoT推理的功能组件尽管不同阶段的推理任务具有不同的推理需求，模型内部的功能组件几乎是相同的（共享而非独享）不同的神经算法实际上是由类似归纳头（inductionheads）等机制组合而成2.注意力机制中的信息流动attentionheads在不同的模型层之间传递信息，特别是当它们涉及到本体论相关（ontolo

Zhouqi_Hua·2025-03-11 03:10

极市平台 | 从Deepseek R1和NSA算法谈谈个人的一些反思

原文链接：从DeepseekR1和NSA算法谈谈个人的一些反思先谈一个测验Reasoning模型的题目最近某个群里面有一道考验大模型能力数学题,感觉这个题比9.9和9.11谁大更考验Reasoning模型

双木的木·2025-03-09 19:13

【五.LangChain技术与应用】【31.LangChain ReAct Agent：反应式智能代理的实现】

但换成ReActAgent，它会先推理（Reasoning）需要调用哪个接口，再行动（Action）查询真实数据——这就是ReAct的核心：让AI学会「动脑子」再动手。

再见孙悟空_·2025-03-07 07:45

【智能体Agent】ReAct智能体的实现思路和关键技术

基于ReAct（Reasoning+Acting）框架的自主智能体importrefromtypingimportList,Tuplefromlangchain_community.chat_message_histories.in_memoryimportChatMessageHistoryfromlangchain_core.language_models.chat_modelsimportB

星星点点洲·2025-03-06 09:26

Empowering LLMs with Logical Reasoning: 从“语言大师”到“逻辑大师”的进化之路

“逻辑是智慧的骨架，而语言是智慧的血肉。让大语言模型（LLMs）既能说会道，又能逻辑严谨，是AI发展的下一座高峰。”开篇：语言模型的“逻辑盲区”近年来，大语言模型（LLMs）在自然语言处理（NLP）任务中取得了令人瞩目的成就。从生成流畅的文章到翻译复杂的句子，这些模型似乎无所不能。然而，当我们试图让它们回答逻辑推理问题时，却发现它们的表现常常令人失望。比如，某顶尖LLM在回答以下问题时出现了自相矛

步子哥·2025-02-28 07:19

【Reasoning】o1复现整合

调研文章《Marco-o1:TowardsOpenReasoningModelsforOpen-EndedSolutions》arxiv:https://arxiv.org/abs/2411.14405github:https://github.com/AIDC-AI/Marco-o1Marco-o1:TowardsOpenReasoningModelsforOpen-EndedSolutions

辰阳星宇·2025-02-27 23:49

【deepseek】论文笔记--DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

DeepSeek-R1论文解析1.论文基本信息标题：DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning作者：DeepSeek-AI团队（联系邮箱：[email protected]）发表时间与出处：2024年，AIME2024（人工智能与数学教育国际会议）关键词：ReinforcementLe

大表哥汽车人·2025-02-15 02:40

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning论文解读

文章目录前言一、摘要二、引言三、贡献1.贡献后训练：基础模型的大规模强化学习蒸馏：较小的模型也可以很强大2.评估结果概览reasoningtasksknowledgeohters四、方法1.Overview2.DeepSeek-R1-Zero:ReinforcementLearningontheBaseModelReinforcementLearningAlgorithm(GRPO重点)Rewar

tangjunjun-owen·2025-02-09 23:54

【论文阅读】DeepSeek-R1：通过强化学习激励LLMs的推理能力 | DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL

DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearningDeepSeek-R1：通过强化学习激励LLMs的推理能力[email protected]目录DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcem

AI天才研究院·2025-02-07 22:05

论文笔记（七十）DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning（二）

DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning（二）文章概括摘要：2.方法2.3.DeepSeek-R1：冷启动强化学习2.3.1.冷启动2.3.2.面向推理的强化学习2.3.3.拒绝采样与监督微调2.3.4.面向所有场景的强化学习2.4.蒸馏：赋予小模型推理能力文章概括引用：@article{g

墨绿色的摆渡人·2025-01-31 07:01

自然语言处理（NLP）-总览图学习

文章目录自然语言处理（NLP）-总览图学习1.一张总览图的学习1.语音学（Phonology）2.形态学（Morphology）3.句法学（Syntax）4.语义学（Semantics）5.推理（Reasoning

汤姆和佩琦·2025-01-25 16:24

#LLM入门|Prompt#2.5_思维链推理_Chain_of_Thought_Reasoning

第五章处理输入-思维链推理“思维链推理”（ChainofThoughtReasoning）的策略，在查询中明确要求语言模型先提供一系列相关推理步骤，进行深度思考，然后再给出最终答案，这更接近人类解题的思维过程。引导语言模型逐步推理而非直接要求输出结果，可以减少其匆忙错误，生成更准确可靠的响应。思维链推理使语言模型更好地模拟人类逻辑思考，是提升其回答质量的重要策略之一。？如何处理语言模型的输入,以生

向日葵花籽儿·2024-02-29 14:53

The secret of practical reasoning

Elliot’sstoryprovidesonefinalcluetothesecretofpracticalreasoning.We’renowalmostreadytosolveourcase.We’veseenhowthelimbicsystem,thesomatosensorycortex,andtheVPCallcometogetherinproducingsecondaryemotio

此锅非本锅·2024-02-12 14:54

推荐频道