buffer-of-thought-llm

给大模型装个思想缓存，复杂推理更准更稳

Buffer of Thoughts（BoT）是一个NeurIPS 2024 Spotlight开源项目，旨在通过“思想缓冲”机制增强大语言模型的多步推理能力。它解决的是LLM在复杂推理任务中单次思考易出错、缺乏全局规划的问题。核心能力包括：维护一个动态的“思想缓冲池”，存储不同任务类型的高层推理模板（如数学、代码、常识推理等）；在推理时，模型先从缓冲池中检索相关模板，再基于模板进行细化推理，最后通过元推理器验证结果。项目提供了完整的实现代码、预训练模板和实验脚本，支持与多种主流LLM集成，显著提升在数学、代码生成、逻辑推理等基准上的准确率，同时保持较低的计算开销。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 678

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队YangLing0818

所属国家

官网地址

GitHubhttps://github.com/YangLing0818/buffer-of-thought-llm

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型chain-of-thought-reasoning,large-language-models,llm-reasoning,retrieval-augmented-generation

GitHub 星标★ 678

30天Star增速

HF 下载量

上线时间2024-06-06 00:00:00

最近更新2026-09-16 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2

使用教程

核心亮点

引入动态思想缓冲池，复用高层推理模板，减少重复思考开销
在数学、代码、常识推理等基准上显著提升准确率（如GSM8K、MATH）
支持与多种LLM集成，提供现成模板和实验配置，易于复现

不足之处

依赖预定义模板质量，新任务类型可能需要手动扩展模板库
文档/社区待观察，项目较早期，使用案例和生态尚不丰富

适用场景

复杂数学应用题求解，提升多步推导正确率
代码生成与调试，利用推理模板规划代码结构
常识推理和逻辑谜题，增强模型全局规划能力

替代项目

Chain-of-Thought (CoT)、Tree of Thoughts (ToT)、Self-Consistency

项目介绍

buffer-of-thought-llm 是开源模型领域的开源项目，由 YangLing0818 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 678。

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 2026-09-16。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：复杂数学应用题求解，提升多步推导正确率。同类可对比的替代方案包括 Chain-of-Thought (CoT)、Tree of Thoughts (ToT)、Self-Consistency。

上一篇：LLaVA-Mini

下一篇：Awesome-spatial-visual-reasoning-MLLMs