ReasoningLens : Visualisation hiérarchique et audit diagnostique pour les grands modèles de raisonnement
ReasoningLens: Hierarchical Visualization and Diagnostic Auditing for Large Reasoning Models
June 22, 2026
Auteurs: Jun Zhang, Jiasheng Zheng, Boxi Cao, Yaojie Lu, Hongyu Lin, Jia Zheng, Xianpei Han, Le Sun
cs.AI
Résumé
L'émergence des grands modèles de raisonnement a introduit des chaînes de pensée exceptionnellement longues, créant un fardeau de transparence où la logique critique est souvent ensevelie sous une masse de texte procédural. Pour y remédier, nous présentons ReasoningLens, un framework open-source conçu pour la visualisation hiérarchique et l'audit diagnostique de chaînes de raisonnement complexes. ReasoningLens aborde la nécropsie d'information en : (1) structurant les traces en hiérarchies interactives qui séparent la stratégie de haut niveau de l'exécution de bas niveau ; (2) exploitant un auditeur agentique pour la détection automatisée d'erreurs et la vérification assistée par outils ; et (3) synthétisant des profils de raisonnement systémiques afin de révéler les angles morts propres à chaque modèle. En transformant des murs de texte non structuré en informations exploitables, ReasoningLens fournit une base modulaire pour interpréter, déboguer et optimiser la prochaine génération d'IA centrée sur le raisonnement.
English
The emergence of Large Reasoning Models has introduced exceptionally long Chain-of-Thought traces, creating a transparency burden where critical logic is often buried under massive procedural text. To address this, we present ReasoningLens, an open-source framework designed for the hierarchical visualization and diagnostic auditing of complex reasoning chains. ReasoningLens addresses information necropsy by: (1) structuring traces into interactive hierarchies that separate high-level strategy from low-level execution; (2) leveraging an agentic auditor for automated error detection and tool-augmented verification; and (3) synthesizing systemic reasoning profiles to reveal model-specific blind spots. By transforming unstructured walls of text into actionable insights, ReasoningLens provides a modular foundation for interpreting, debugging, and optimizing the next generation of reasoning-centric AI.