#chain-of-thought Repositorios
Descubre 52 repositorios activos de código abierto de GitHub etiquetados con #chain-of-thought, que acumulan 248,031 estrellas en total (una media de 4,769 estrellas por proyecto). El líder de este tema es deepseek-ai/DeepSeek-R1, con 91,984 estrellas.
52 repositorios en total
:sparkles::sparkles:Últimos avances en modelos de lenguaje grandes multimodales
La página oficial de GitHub para el artículo de revisión "A Survey of Large Language Models".
22 técnicas de ingeniería de prompts con tutoriales prácticos en Jupyter Notebook, desde conceptos fundamentales hasta estrategias avanzadas para aprovechar LLMs.
Una colección de artículos, blogs y proyectos de LLM, con un enfoque en OpenAI o1 🍓 y técnicas de razonamiento.
Implementar un LLM de razonamiento en PyTorch desde cero, paso a paso
Una API de inferencia LLM de alto rendimiento y una interfaz de usuario de chat que integra rastros de razonamiento CoT de DeepSeek R1 con modelos Anthropic Claude.
Construya, evalúe y optimice sistemas de IA. Incluye evaluaciones (evals), RAG, agentes, ajuste fino, generación de datos sintéticos, gestión de conjuntos de datos, MCP y más.
Eko (Eko sigue operando) - Construya flujos de trabajo agentivos listos para producción con lenguaje natural - eko.fellou.ai
TDAH — una habilidad para agentes de codificación. Árbol de pensamiento (Tree-of-thought) con poda, construido sobre el SDK de Claude & Codex Agent. Despliega pensamientos divergentes en paralelo bajo diferentes marcos cognitivos, puntúa, elimina trampas y profundiza en los supervivientes. La habilidad imprescindible para el trabajo creativo e interdisciplinario.
Marco de optimización de indicaciones impulsado por agentes y consciente de las tareas
Desde el prompting Chain-of-Thought hasta OpenAI o1 y DeepSeek-R1 🍓
Resumen de artículos de Prompt & LLM, datos y modelos de código abierto, aplicaciones AIGC
Construyendo grandes modelos desde cero: una práctica completa desde el preentrenamiento hasta RLHF
GigaBrain-0: Un Modelo Visión-Lenguaje-Acción Impulsado por un Modelo del Mundo
Recursos increíbles para el aprendizaje en contexto y la ingeniería de prompts: dominio de los LLM como ChatGPT, GPT-3 y FlanT5, con actualizaciones de última generación y de vanguardia.
Una potente aplicación asistente de codificación que se integra con la API de DeepSeek para procesar conversaciones de usuarios y generar respuestas JSON estructuradas. A través de una interfaz de línea de comandos intuitiva, puede leer el contenido de archivos locales, crear nuevos archivos y aplicar ediciones de diff en tiempo real a los archivos existentes.
[ICCV 2025] LLaVA-CoT, un modelo de lenguaje visual capaz de razonamiento espontáneo y sistemático
Implementación oficial para "Automatic Chain of Thought Prompting in Large Language Models" (mantente atento y se actualizarán más cosas)
Entrenamiento de modelos de lenguaje grandes para razonar en un espacio latente continuo
[ICLR2026] Este es el primer documento que explora cómo usar eficazmente RL similar a R1 para MLLMs e introduce Vision‑R1, un MLLM de razonamiento que aprovecha la inicialización de arranque en frío y el entrenamiento RL para incentivar la capacidad de razonamiento.
[ECCV 2024 Oral] DriveLM: Conducir con preguntas y respuestas visuales sobre grafos
Razonamiento multimodal en cadena de pensamiento: una encuesta completa
[ACL 2023] Razonamiento con el Prompting de Modelos Lingüísticos: Una Revisión
Video-R1: Fortalecimiento del Razonamiento de Video en MLLMs [🔥el primer artículo en explorar R1 para video]
[CVPR 2025] La primera investigación sobre el razonamiento CoT (RL, TTS, Reflexión) en la generación de imágenes
Awesome-LLM-Robustness: una lista curada de Incertidumbre, Fiabilidad y Robustez en Modelos de Lenguaje Grandes.
Implementación oficial de UnifiedReward y [NeurIPS 2025] UnifiedReward-Think y UnifiedReward-Flex
Un marco diseñado para administrar contexto, dependencias y tareas en proyectos Cline a gran escala dentro de VS Code
Datos y código para el artículo de NeurIPS 2022 "Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering".
Últimos avances en razonamiento de cadena de pensamiento larga
[ICML 2026] Recursos oficiales de "Graph-R1: Hacia un marco Agentic GraphRAG mediante Aprendizaje por Refuerzo de extremo a extremo".
Una colección de artículos, códigos, conjuntos de datos, puntos de referencia (benchmarks) y recursos sobre razonamiento multimodal.
[ICML 2025 Oral] CodeI/O: Condensación de Patrones de Razonamiento mediante la Predicción de Entrada-Salida de Código
[NeurIPS 2025 Spotlight] Suite de post-entrenamiento LLM — con ReasonFlux, ReasonFlux-PRM y ReasonFlux-Coder.
Tareas BIG-Bench desafiantes y si la Cadena de Pensamiento puede resolverlas
Preguntas frecuentes
¿Cuál es el repositorio de #chain-of-thought más popular en GitHub?
El proyecto de código abierto de #chain-of-thought mejor posicionado en GitHub es deepseek-ai/DeepSeek-R1, con 91,984 estrellas.
¿Qué lenguajes de programación se utilizan más en los repositorios de #chain-of-thought?
Entre los proyectos de #chain-of-thought mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, TeX.
¿Cómo se calcula la clasificación de los repositorios de #chain-of-thought?
Seguimos 52 repositorios activos de código abierto etiquetados con #chain-of-thought (500+ estrellas), que suman un total de 248,031 estrellas, con una media de 4,769 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.