Awesome GitHub RepositoriesAdvanced Reasoning Models

DeepSeek-R1 is an open-weights large language model focused on advanced reasoning. It uses chain-of-thought processing and internal monologues to solve complex mathematical and logical problems by breaking tasks into sequential, verifiable thought processes. The model is developed using reinforcement learning to optimize reasoning patterns and verify logical steps. It employs a distillation process to transfer these high-performance logic capabilities from a large teacher model into smaller, computationally efficient versions. The training framework incorporates group relative policy optimiz

Qwen2.5 is a suite of large language model foundation models designed for natural language generation, code production, and complex mathematical reasoning. The project encompasses a multilingual language model capable of processing dozens of languages and a specialized code generation model for technical problem solving and debugging. The framework is distinguished by its long context capabilities, enabling the analysis of massive inputs ranging from 256K up to 1 million tokens. It further functions as an agentic framework, utilizing standardized templates and parsers to execute autonomous wo

This project is an agentic workflow orchestrator designed for building and deploying autonomous systems that perform multi-step reasoning. It functions as a tool-augmented engine, enabling developers to chain model calls with external function execution to complete complex, user-defined tasks. By integrating large language models with persistent memory and stateful logic, the framework supports the creation of intelligent applications capable of independent operation. The platform distinguishes itself through graph-based state orchestration, which allows developers to define logic steps and t

Qwen3-Coder is a specialized large language model designed for software development, technical reasoning, and automated code synthesis. Built on transformer-based sequence modeling, it functions as a multilingual programming assistant capable of generating, completing, and debugging source code across more than one hundred programming languages. The model distinguishes itself through its capacity to process and maintain logical coherence across massive datasets, supporting context windows of up to one million tokens. This allows for repository-scale reasoning, enabling the model to analyze co

GLM-4 is an open weights large language model designed as a multimodal chat system. It functions as a reasoning-focused and multilingual model capable of processing and generating responses across text and visual data types. The model is distinguished by its function-calling capabilities, allowing it to interface with external tools and APIs to execute tasks and retrieve real-time information. It is optimized for complex logical reasoning, mathematical problem solving, and deep research involving long-form content generation. Broad capabilities include multilingual text generation, the creat

LLM-RL-Visualized es una biblioteca de referencia visual y colección de mapas de conocimiento diseñados para explicar algoritmos de Modelos de Lenguaje Extensos (LLM) y Aprendizaje por Refuerzo. Proporciona un sistema estructurado de diagramas conceptuales y taxonomías que cubren la intersección de la alineación de modelos de lenguaje y el aprendizaje por refuerzo. El proyecto se distingue por mapeos visuales detallados de flujos de trabajo complejos, como la coordinación de modelos de recompensa y la optimización de políticas en el aprendizaje por refuerzo a partir de retroalimentación humana (RLHF). Contrasta diferentes arquitecturas de optimización de preferencias, como RLHF y Direct Preference Optimization (DPO), y traza el linaje teórico de los algoritmos de aprendizaje por refuerzo desde Procesos de Decisión de Markov hasta frameworks Actor-Critic. La biblioteca cubre una amplia gama de capacidades, incluyendo optimización de inferencia de LLM, técnicas de ajuste fino eficiente en parámetros y las etapas secuenciales del pipeline de desarrollo de modelos. También proporciona diagramas estructurales para configuraciones de modelos, visualizaciones de estrategias de decodificación de tokens y flujos operativos para generación aumentada por recuperación (RAG) e integración de herramientas. El contenido adicional incluye ilustraciones de operaciones fundamentales de redes neuronales y mecanismos de razonamiento lógico como Monte Carlo Tree Search y destilación de conocimiento.

Este proyecto es una guía de estudio y referencia técnica integral para aprender las arquitecturas y métodos de entrenamiento de Transformers y modelos de lenguaje grandes (LLM). Sirve como una visión general técnica para entender cómo las redes neuronales procesan datos y cómo alinear el comportamiento del modelo con objetivos de rendimiento específicos. El repositorio proporciona guías especializadas en varias áreas clave del desarrollo de modelos. Esto incluye referencias detalladas para arquitecturas de transformadores, frameworks de implementación para generación aumentada por recuperación (RAG) y flujos de trabajo de agentes, y guías técnicas para la optimización y ajuste fino (fine-tuning) de modelos. El contenido cubre una amplia gama de capacidades, incluyendo ajuste fino supervisado, adaptación de bajo rango (LoRA) y alineación basada en preferencias. También aborda la eficiencia del modelo mediante cuantización, destilación y arquitecturas de mezcla de expertos (MoE), junto con el estudio de mecanismos de auto-atención y flash attention. Los recursos y muestras se proporcionan para el desarrollo en C#, JavaScript y Python.

Este proyecto es un sistema de gestión de cuentas de modelos de lenguaje grandes y proxy multiusuario. Proporciona una puerta de enlace que permite a múltiples usuarios autenticados compartir una única suscripción de IA premium o clave de API de OpenAI. El sistema funciona como una capa de proxy que intercepta las solicitudes de los clientes y las reenvía a la API oficial mientras inyecta credenciales compartidas. Incluye un backend seguro para la gestión centralizada de credenciales y un sistema de control de acceso basado en tokens para validar las identidades de los usuarios. Para mantener la privacidad y la organización, el proyecto implementa el aislamiento de contexto basado en sesiones para evitar la fuga de conversaciones entre usuarios. También cuenta con middleware para la auditoría de actividades para rastrear el uso y monitorear el comportamiento individual del usuario. La interfaz proporciona acceso a capacidades avanzadas de modelos, incluyendo generación de imágenes, análisis de archivos y ejecución de código.

GLM-4.5 is a multimodal large language model and advanced reasoning system. It functions as an AI coding assistant, an autonomous AI agent, and a multimodal content generator capable of processing and generating text, images, audio, and video within a single unified system. The project is distinguished by its deep reasoning capabilities, utilizing chain-of-thought processing to solve complex mathematical, logical, and technical problems. It features an agentic architecture that allows for autonomous task execution, long-horizon goal planning, and the ability to interact with external tools an