cumulative-reasoning

让大模型像人一样一步步推理,复杂问题不再一步错步步错。

Cumulative Reasoning是一个基于大语言模型的推理框架,源自TMLR论文,旨在通过累积式推理解决复杂问题。它模拟人类逐步思考的过程,将问题分解为多个子步骤,每一步都基于之前的推理结果进行,从而提升模型在数学、逻辑等任务上的准确性和可解释性。项目提供Python实现,支持与OpenAI等主流LLM集成,用户可自定义推理步骤和策略。它解决了标准提示词在长链条推理中易出错、缺乏中间验证的问题,核心能力包括动态生成中间结论、自我校验和迭代优化。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 308
维护状态 低维护
是否开源
定价模式 free

项目数据

分类开源模型
开发团队iiis-ai
所属国家
定价模式free
价格说明开源项目,完全免费,需自行部署使用。
访问状态
是否开源
开源协议
主要语言Python
技术栈/模型large-language-models,llm,math,prompting,reasoning
GitHub 星标★ 308
30天Star增速
HF 下载量
上线时间2023-08-10 00:00:00
最近更新2026-07-05 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 基于TMLR论文,推理方法有理论支撑,非纯工程技巧
  • 支持自定义推理步骤和策略,灵活适配不同任务
  • 提供与OpenAI等LLM的集成接口,上手简单

不足之处

  • 文档/社区待观察
  • 推理步骤增多时,API调用成本和时间开销较高

适用场景

  • 数学应用题求解,提升解题准确率
  • 逻辑推理任务,如谜题或法律条文分析
  • 需要可解释决策的问答系统,展示推理过程

替代项目

Chain-of-Thought Prompting、Tree of Thoughts、Self-Refine

项目介绍

cumulative-reasoning 是开发框架领域的开源项目,由 iiis-ai 开发,2023 年首次发布。

它收录于开发框架分类,该分类目前共有 795 个项目,GitHub 星标数为 308。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-07-05。完全免费,需自行部署使用。

它主要面向的使用场景是:数学应用题求解,提升解题准确率。同类可对比的替代方案包括 Chain-of-Thought Prompting、Tree of Thoughts、Self-Refine。

上一篇:promptdesk

下一篇:contextual-engineering-guide

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146874 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166529 2026-08-09
pi 开源

一套 TypeScript 工具包,快速搭出能写代码的 AI agent

AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI

★ 108504 2026-09-12