AmberLJC/LLMSys-PaperList

它解决了什么问题

这个项目解决了跟上快速发展的大型语言模型（LLM）系统领域的挑战。它提供了一个集中、精选的学术论文、技术报告和项目仓库，帮助研究人员和工程师跟踪LLM如何被训练、服务和优化的进展。

它是如何工作的

该仓库将大量研究组织成逻辑类别，如训练（预训练和后训练/RLHF）、服务、多模态系统和基于LLM的系统。它包含一个“趋势一览”分析，根据被优化的“工作单元”对研究进行分类——从2024年的单个请求，到2025年的推理轨迹，再到2026年的完整智能体轨迹。

它面向谁

它专为研究人员、系统工程师和学生设计，他们需要一种结构化的方式来导航蓬勃发展的LLM系统研究领域，并了解最新的技术突破。

亮点

• 分类研究： 涵盖预训练、容错、服务和智能体系统的广泛论文列表。
• 趋势分析： 可视化和数据，显示研究焦点向智能体系统、编译器/内核设计和能源效率的转变。
• 历史背景： 按年份组织的论文，允许用户追溯从2024年到2026年系统优化的演变。
• 广泛范围： 包括工业技术报告、ML会议论文和教育资源，如课程材料。