أثبتت نماذج اللغة الكبيرة (LLMs) فعاليتها العالية في حل مهام الاستدلال المعقدة. ومن المثير للدهشة أن قدراتها يمكن غالبًا تحسينها من خلال تكرار عمليات توليد الحلول السابقة. وفي هذا السياق، يمكن اعتبار خطة استدلال لتكوين وتجميع مجموعة من الحلول كخوارزمية للاستدلال باستخدام منظور احتمالي.نقدّم إطارًا نظريًا لتحليل هذه الخوارزميات الاستدلالية. ويُعد هذا الإطار مُحكَمًا من حيث المبادئ التي تستند إليها التقنيات الشائعة في التحسين التكراري وتجميع الإجابات، مما يُشكّل أساسًا لتصميم جيل جديد من طرق الاستدلال الأقوى. على عكس النماذج التي تعتمد على التفاصيل المعمارية للفهم، يُبنى نموذجنا على الأدلة التجريبية. وبذلك، يقدّم منظورًا عامًا قد يمتد إلى طيف واسع من منظورات الاستدلال الحالية والمستقبلية.