AmberLJC/LLMSys-PaperList

解決する課題

このプロジェクトは、急速に進化する大規模言語モデル（LLM）システムの分野に追いつくという課題に対処します。トレーニング、サービング、最適化の方法に関する開発を追跡するために、研究者やエンジニアを支援する、集中管理された厳選リポジトリを提供します。

仕組み

このリポジトリは、トレーニング（事前トレーニングと事後トレーニング/RLHF）、サービング、マルチモーダルシステム、LLMベースのシステムなどの論理的なカテゴリに、膨大な研究コレクションを整理します。最適化される「作業単位」によって研究を分類する「トレンド一目瞭然」分析が含まれています。2024年の個々のリクエストから、2025年の推論トレース、2026年の完全なエージェント軌跡へと移行します。

対象読者

LLMシステム研究の急成長する状況を構造化された方法でナビゲートし、最新の技術的ブレークスルーについて情報を得る必要がある研究者、システムエンジニア、学生向けに設計されています。

ハイライト

• 分類された研究： 事前トレーニング、フォールトトレランス、サービング、エージェントシステムをカバーする広範な論文リスト。
• トレンド分析： エージェントシステム、コンパイラ/カーネル設計、エネルギー効率への研究焦点のシフトを示す視覚化とデータ。
• 歴史的文脈： 年ごとに整理された論文により、2024年から2026年までのシステム最適化の進化をたどることができます。
• 広い範囲： 産業技術レポート、ML会議論文、コース教材などの教育リソースを含みます。