ReasonGraph : un projet open source pour visualiser le raisonnement des LLM 192

Qu'est-ce que ReasonGraph ?

ReasonGraph est un projet open source dédié à la visualisation et à l'analyse du processus de raisonnement des LLM. Il prend en charge les méthodes de raisonnement séquentiel et de raisonnement basé sur des arbres, et s'intègre à plus de 50 modèles de pointe issus des principaux fournisseurs de LLM, notamment Anthropic, Openai, Google et Together.AI. Il transforme le processus de réflexion de l'IA en graphiques visuels, prend en charge les mises à jour en temps réel et l'analyse interactive, et les graphiques générés peuvent être exportés en SVG en un clic.

Principales caractéristiques de ReasonGraph

• Framework de visualisation unifié : ReasonGraph offre un rendu graphique et une analyse en temps réel, permettant la comparaison de plusieurs méthodes de raisonnement.

• Conception modulaire et extensible : adoption d'une API standardisée pour faciliter l'intégration de nouvelles méthodes de raisonnement et de modèles. Prise en charge des modèles : intégration de plus de 50 modèles de pointe provenant des principaux fournisseurs de LLM tels que Anthropic, OpenAI, Google et Together.AI.

• Méthodes de raisonnement : prise en charge du raisonnement séquentiel (tel que Chain-of-Thoughts, Self-refine, etc.) et du raisonnement basé sur des arbres (tel que Beam Search, Tree-of-Thoughts, etc.).

• Framework modulaire : API standardisée pour faciliter l'intégration de nouvelles méthodes de raisonnement et de modèles.

• Interface conviviale : composants intuitifs, visualisation des chemins de raisonnement en temps réel, paramètres configurables et sélection de méthodes de méta-raisonnement.

• Capacité de méta-raisonnement : permet au modèle de sélectionner lui-même la méthode de raisonnement la plus appropriée.

Méthodes de visualisation de ReasonGraph

• Méthodes de raisonnement séquentiel : incluent Chain-of-Thoughts, Self-refine, Least-to-Most et Self-consistency, affichant les étapes de raisonnement via une disposition en graphe orienté.

• Méthodes de raisonnement basées sur des arbres : telles que Beam Search et Tree-of-Thoughts, affichant les chemins de raisonnement via une structure arborescente.

Architecture de ReasonGraph

ReasonGraph adopte un framework modulaire. Le frontend gère la logique de visualisation et l'interaction utilisateur, tandis que le backend, implémenté via Flask, assure la gestion de la configuration, l'intégration des LLM et l'encapsulation des méthodes de raisonnement. La plateforme permet de basculer dynamiquement entre les méthodes de raisonnement et les modèles sans modifier le framework.

Cas d'utilisation de ReasonGraph

• Recherche académique : prend en charge les études comparatives de différentes méthodes de raisonnement et l'évaluation des capacités des modèles.

• Éducation : utilisé pour enseigner les principes du raisonnement logique et illustrer le processus de décision des LLM.

• Développement : aide à optimiser l'ingénierie des prompts et à choisir la méthode de raisonnement optimale.

Dépôt GitHub :https://github.com/ZongqianLi/ReasonGraph

Lien vers l'article :https://arxiv.org/html/2503.03979v1

Page officielle du projet :https://powerdrill.ai/discover/summary-reasongraph-visualisation-of-reasoning-paths-cm7z9j3oqk9wh07rs5ho63mee