Xnhyacinth/Awesome-LLM-Long-Context-Modeling

解决的问题

跟上长上下文语言建模这一快速发展的领域是困难的，因为研究涉及许多子主题并且持续发布。这个项目提供了一个单一、有组织的地方来查找相关论文和博客文章。它帮助研究人员和从业者避免错过重要工作，并快速了解高效注意力、内存管理和评估等领域的最新动态。

工作原理

它是一个精选的“Awesome”列表：一个结构化的论文和博客链接集合，按类别分组，如高效注意力、KV缓存优化、内存、压缩、推理、视频、智能体和评估。列表每周和每月更新最新的arXiv论文，许多包含代码或项目页面的链接。它还包括一篇综述论文（arXiv:2503.17407）和一个可视化分类图，帮助导航该领域，使深入特定子主题变得容易。

适用人群

研究人员、学生和从业者，他们从事或对长上下文语言模型感兴趣。如果你需要一个全面、最新的技术现状概览，而不必在多个来源中搜索，这个仓库可以节省时间并让你保持信息灵通。

亮点

涵盖20多个不同主题，从高效注意力和KV缓存优化到长时程智能体和基准测试
每周和每月更新使列表保持最新研究
包括一篇全面的综述论文（arXiv:2503.17407）并与LCLM-Horizon合作
社区驱动，欢迎贡献；拥有许多星标、分叉和贡献者
提供“分类一目了然”图，便于快速定位