ReasonGraph: proyecto de código abierto para visualizar el razonamiento de LLMs 189

¿Qué es ReasonGraph?

ReasonGraph es un proyecto de código abierto para visualizar y analizar procesos de razonamiento de LLM. Admite métodos de razonamiento secuencial y basados en árboles, y se integra con más de 50 modelos avanzados de los principales proveedores de LLM, incluidos Anthropic, Openai, Google y Together.AI. Convierte el proceso de pensamiento de la IA en gráficos visualizables, admite actualizaciones en tiempo real y análisis interactivo, y los gráficos resultantes se pueden exportar a SVG con un solo clic.

Características principales de ReasonGraph

• Marco de visualización unificado: ReasonGraph ofrece renderizado y análisis de gráficos en tiempo real, lo que permite comparar múltiples métodos de razonamiento.

• Diseño modular y extensible: utiliza una API estandarizada que facilita la integración de nuevos métodos de razonamiento y modelos. Compatibilidad con modelos: integración con más de 50 modelos de última generación de los principales proveedores de LLM, como Anthropic, OpenAI, Google y Together.AI.

• Métodos de razonamiento: admite razonamiento secuencial (como Chain-of-Thoughts, Self-refine, etc.) y razonamiento basado en árboles (como Beam Search, Tree-of-Thoughts, etc.).

• Marco modular: API estandarizada que facilita la integración de nuevos métodos de razonamiento y modelos.

• Interfaz amigable para el usuario: ofrece componentes intuitivos, visualización de rutas de razonamiento en tiempo real, parámetros configurables y selección de métodos de meta-razonamiento.

• Capacidad de meta-razonamiento: permite que el modelo elija por sí mismo el método de razonamiento más adecuado.

Métodos de visualización de ReasonGraph

• Métodos de razonamiento secuencial: incluye Chain-of-Thoughts, Self-refine, Least-to-Most y Self-consistency, entre otros, que muestran los pasos del razonamiento mediante un diseño de grafo dirigido.

• Métodos de razonamiento basados en árboles: como Beam Search y Tree-of-Thoughts, que muestran las rutas de razonamiento mediante una estructura de árbol.

Arquitectura de ReasonGraph

ReasonGraph adopta un marco modular: el frontend se encarga de la lógica de visualización y la interacción con el usuario, mientras que el backend implementa la gestión de configuración, la integración con LLM y la encapsulación de los métodos de razonamiento mediante Flask. La plataforma permite cambiar dinámicamente los métodos de razonamiento y los modelos sin modificar el marco.

Casos de uso de ReasonGraph

• Investigación académica: admite estudios comparativos de diferentes métodos de razonamiento y evaluación de capacidades de modelos.

• Educación: se utiliza para enseñar principios de razonamiento lógico y mostrar el proceso de toma de decisiones de los LLM.

• Desarrollo: ayuda a optimizar la ingeniería de prompts y a seleccionar el método de razonamiento óptimo.

Repositorio de GitHub:https://github.com/ZongqianLi/ReasonGraph

Enlace al artículo:https://arxiv.org/html/2503.03979v1

Página del proyecto:https://powerdrill.ai/discover/summary-reasongraph-visualisation-of-reasoning-paths-cm7z9j3oqk9wh07rs5ho63mee