ReasoningLens: Visualização Hierárquica e Auditoria Diagnóstica para Modelos de Raciocínio de Grande Porte
ReasoningLens: Hierarchical Visualization and Diagnostic Auditing for Large Reasoning Models
June 22, 2026
Autores: Jun Zhang, Jiasheng Zheng, Boxi Cao, Yaojie Lu, Hongyu Lin, Jia Zheng, Xianpei Han, Le Sun
cs.AI
Resumo
O surgimento dos Modelos de Raciocínio em Grande Escala introduziu cadeias de pensamento excepcionalmente longas, criando um ônus de transparência onde a lógica crítica frequentemente se perde sob textos procedimentais massivos. Para lidar com isso, apresentamos o ReasoningLens, uma estrutura de código aberto projetada para a visualização hierárquica e auditoria diagnóstica de cadeias de raciocínio complexas. O ReasoningLens aborda a necropsia de informações por meio de: (1) estruturação de rastros em hierarquias interativas que separam a estratégia de alto nível da execução de baixo nível; (2) utilização de um auditor baseado em agente para detecção automatizada de erros e verificação aumentada por ferramentas; e (3) síntese de perfis sistêmicos de raciocínio para revelar pontos cegos específicos do modelo. Ao transformar paredes não estruturadas de texto em insights acionáveis, o ReasoningLens fornece uma base modular para interpretar, depurar e otimizar a próxima geração de IAs centradas em raciocínio.
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.