HyperReason — вычислительная машина MCTS во время тестирования, которая публикует информацию при проигрыше

Проблема честности при вычислениях во время тестирования У многих репозиториев «машины рассуждения» есть два недостатка: они никогда не вызывают модель и публикуют контрольные таблицы, которые никто не может воспроизвести. HyperReason v1, по признанию самого README, был именно таким. Версия 2.0.1 — это полностью честная перестройка: движок действительно управляет реальными LLM и публикует прозрачные оценки, включая запуски, в которых MCTS уступает жадному декодированию. Никаких поддельных резервных вариантов; каждое число соответствует коду. Что это такое Адаптивная энтропийная поисковая система по дереву Монте-Карло для вычислений во время тестирования LLM на PyPI: pip install Hypermcts # импортирует как Hyper_reason Поддерживаемые провайдеры «из коробки»: Поставщик Бэкэнд З.АИ/ГЛМ GLMBackend (glm-4.6, glm-4-flash, glm-4-plus) OpenAI/DeepSeek/Groq OpenAIBackend (gpt-4o, deepseek-reasoner, vLLM, LM Studio) Оллама (местный) OllamaBackend (llama3:8b, deepseek-r1:8b, qwen2.5:7b, мистраль) HuggingFace (местный) ТрансформерыБэкенд Макет (оффлайн) MockBackend — детерминированный эвристический сэмплер, ключ API не требуется. Минимальное использование из Hyper_reason импорта Wrap_Model, GLMBackend модель = wrap_model(GLMBackend(model="glm-4-flash")) # запустите поиск AE-MCTS по вашей проблеме Также есть CLI,