该项目主要聚焦于推理任务，提供一个大型AI模型或基础模型的资源列表，旨在为研究人员和开发者提供丰富的推理模型选择及相关信息。
为了提高LLM的演绎推理能力并确保推理过程的可信度，我们提出了一种基于自然语言的循序渐进的推理验证过程，并使用自然程序格式。
一个用于增强LLM推理能力的Python库，提供可组合的推理算法框架。支持自定义评分函数的采样和重排序模式，内置蒙特卡洛树搜索等高级算法，通过vLLM保持高性能，特别适合研究人员快速实验和迭代新想法。
Tree of Thoughts (ToT) 是一个强大而灵活的算法，能将模型推理能力提升多达70%。该插件式版本允许用户连接自己的模型，体验超智能的推理能力。
o1推理链旨在利用Groq、OpenAI或Ollama等技术，创建类似o1的推理链，以提高大型语言模型（LLMs）的逻辑推理能力。该项目提供了创建和管理推理链的工具，具有优良的可扩展性和灵活性，适合多种应用场景。
适用于端边云场景的AI推理应用开发框架，提供了基于Pipeline的并行执行流程，能帮助AI应用开发者较快的开发出高效、高性能，以及支持软硬协同优化的AI应用。
GPT-4和PaLM-2等大语言模型在数学推理问题上取得显著进展，尤其是GPT-4代码解释器在挑战性数学数据集上表现优异。
owlet是一种专注于三元逻辑运算的编程语言，旨在提供简洁易用的语法和高效的编译器，同时兼容现有的编程语言，助力开发者进行复杂的数学计算和逻辑推理。
