AmberLJC/LLMSys-PaperList

해결하는 문제

이 프로젝트는 빠르게 진화하는 대규모 언어 모델(LLM) 시스템 분야를 따라잡는 과제를 해결합니다. 연구자와 엔지니어가 LLM이 훈련되고, 서빙되고, 최적화되는 방법의 발전을 추적할 수 있도록 중앙 집중식으로 선별된 학술 논문, 기술 보고서, 프로젝트 저장소를 제공합니다.

작동 방식

저장소는 방대한 연구를 훈련(사전 훈련 및 사후 훈련/RLHF), 서빙, 멀티모달 시스템, LLM 기반 시스템과 같은 논리적 범주로 구성합니다. 최적화되는 "작업 단위"에 따라 연구를 분류하는 "한눈에 보는 트렌드" 분석을 포함합니다. 2024년의 개별 요청에서 2025년의 추론 추적, 2026년의 전체 에이전트 궤적으로 이동합니다.

대상 사용자

LLM 시스템 연구의 급성장하는 환경을 구조화된 방식으로 탐색하고 최신 기술 혁신에 대한 정보를 얻고자 하는 연구자, 시스템 엔지니어, 학생을 위해 설계되었습니다.

주요 특징

• 분류된 연구: 사전 훈련, 내결함성, 서빙, 에이전트 시스템을 다루는 광범위한 논문 목록.
• 트렌드 분석: 에이전트 시스템, 컴파일러/커널 설계, 에너지 효율성으로의 연구 초점 이동을 보여주는 시각화 및 데이터.
• 역사적 맥락: 연도별로 구성된 논문으로 2024년부터 2026년까지 시스템 최적화의 진화를 추적할 수 있습니다.
• 광범위한 범위: 산업 기술 보고서, ML 컨퍼런스 논문, 강의 자료와 같은 교육 리소스를 포함합니다.