#reasoning Repositórios
Descubra 61 repositórios ativos de código aberto no GitHub marcados com #reasoning, acumulando um total de 152,742 estrelas (uma média de 2,503 por projeto). O líder deste tópico é VectifyAI/PageIndex, com 40,634 estrelas.
61 repositórios no total
Um playground visual para fluxos de trabalho com agentes: Itere sobre seus agentes 10x mais rápido
[ICLR'24 spotlight] Uma plataforma aberta para treinar, servir e avaliar modelos de linguagem grandes para aprendizado de ferramentas.
Skywork-R1V é uma série avançada de modelos de IA multimodal desenvolvida pela Skywork AI, especializada em raciocínio visão-linguagem.
Planeje, aplique e reverta alterações em uma ontologia de produção, com um relatório do raio de impacto e uma prova que um auditor possa verificar novamente.
Excelente Tutorial/Levantamento/Guia sobre LLM de Raciocínio
Uma Pesquisa sobre Aprendizagem por Reforço para Grandes Modelos de Raciocínio
GLM-4.6V/4.5V/4.1V-Pensamento: Rumo ao Raciocínio Multimodal Versátil com Aprendizagem por Reforço Escalável
RAG Integrado: Combinação e fusão de GraphRAG, LightRAG e Neo4j-llm-graph-builder para a construção e busca de grafos de conhecimento; integração da tecnologia DeepSearch para viabilizar a inferência RAG de domínio privado; e criação de uma estrutura de avaliação personalizada focada em GraphRAG.
Um modelo de edição de imagem open-source de ponta (SOTA), que visa fornecer desempenho comparável aos modelos de código fechado como GPT-4o e Gemini 2 Flash.
[Embodied-AI-Survey-2025] Lista de Artigos e Repositório de Recursos para IA Incorporada
NVIDIA Alpamayo 1 Nano é um modelo VLA de raciocínio aberto de 10B para veículos autônomos que combina trajetórias de direção com raciocínio de Cadeia de Causalidade.
Implementação oficial para "Prompting Automático de Cadeia de Pensamento em Grandes Modelos de Linguagem" (fique ligado e mais será atualizado)
[ICLR 2026] SimpleVLA-RL: Escalando o Treinamento VLA via Aprendizado por Reforço
WFGY está se dirigindo ao WFGY 5.0 Polaris Protocol, uma grande versão de código aberto para raciocínio de IA, RAG, agentes e fluxos de trabalho do mundo real. Inclui Problem Map, Global Debug Card, WFGY 4.0 e o Easter Egg do CFV.
Modelos abertos de decisão de 0,8B a 27B: uma probabilidade calibrada para cada opção em uma única passagem e um breve raciocínio apenas quando houver incerteza. Motor para vLLM, llama.cpp e MLX.
Uma coleção de artigos sobre Agentes de IA (Atualizada quinzenalmente)
[NeurIPS 2025] 🌐 WebThinker: Capacitando Modelos de Raciocínio de Grande Escala com Capacidade de Pesquisa Aprofundada
Uma lista curada de artigos e recursos baseada na pesquisa 'Agentic Reasoning for Large Language Models'
Motor de decisões de engenharia que sabe quando estão desatualizadas. Enquadrar, comparar, decidir — com decadência de evidências e aplicação de paridade. Para Claude Code, Cursor, Gemini CLI, Codex e mais.
🔍 Search-o1: Modelos de Raciocínio de Grande Escala Aprimorados por Busca Agêntica [EMNLP 2025]
[WWW‘26 Oral🔥] DeepAgent: Um Agente de Raciocínio Geral com Conjuntos de Ferramentas Escaláveis
Raciocínio em Cadeia de Pensamento Multimodal: Uma Pesquisa Abrangente
Um recurso central e aberto para dados e ferramentas relacionadas ao raciocínio em cadeia de pensamento em grandes modelos de linguagem. Desenvolvido no grupo de pesquisa Samwald: https://samwald.info/
[ACL 2023] Raciocínio com Prompting de Modelos de Linguagem: Uma Pesquisa
Código de pré-treinamento e inferência para um modelo de linguagem recorrente em profundidade e em larga escala
A stack completa de pós-treinamento para LLMs, além de RL para qualquer problema. SFT, DPO e RL agêntico em múltiplos turnos, com otimização evolutiva de hiperparâmetros integrada.
[ACL 2026 KnowFM] Recursos Incríveis de Pesquisa Profunda Agêntica
[ICML 2024] Repositório oficial de "Language Agent Tree Search Unifies Reasoning Acting and Planning in Language Models"
LLMs podem gerar feedback sobre o seu trabalho, usá-lo para melhorar a saída e repetir este processo iterativamente.
🌾 OAT: Um framework amigável para pesquisa para alinhamento online de LLMs, incluindo aprendizado por reforço, aprendizado por preferência, etc.
Perguntas Frequentes
Qual é o repositório de #reasoning mais popular no GitHub?
O projeto de código aberto de #reasoning mais bem classificado no GitHub é VectifyAI/PageIndex, com 40,634 estrelas. 📑 PageIndex: Índice de Documento para RAG baseado em raciocínio sem vetores
Quais linguagens de programação são mais usadas nos repositórios de #reasoning?
Entre os projetos de #reasoning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Rust, TypeScript.
Como é calculada a classificação dos repositórios de #reasoning?
Acompanhamos 61 repositórios ativos de código aberto marcados com #reasoning (com mais de 500 estrelas), totalizando 152,742 estrelas e uma média de 2,503 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.