aliemo/transfomers-silicon-research

快速摘要

Transformer Models Silicon Research 是一个由社区维护的论文目录，收录了将 Transformer 风格神经网络（例如 BERT、LLMs、Vision-Transformers）映射到真实硅芯片（如 ASIC、FPGA、内存内处理芯片及其他定制加速器）的研究。该仓库将数据存储在单个 YAML 文件中，自动生成可搜索的静态网站，并运行每周一次的 GitHub-Actions 流水线，从 OpenAlex/arXiv 抓取新条目并开启 Pull Request 以供人工审核。

项目实际功能

功能	运作方式 (如 README 所述)
论文目录	`data/papers.yaml` 包含约 580 条条目 (2024-06 快照)。每条条目记录 DOI、发表场地、年份、硬件平台、模型标签以及三阶段审核状态 (`Pass 1-3`)。
生成输出	Python 脚本 (`scripts/generator.py`) 读取 YAML 并生成人类可读的 `README.md`、CSV 导出文件及简单的图表。
静态网站	`website/build.py` 将目录转换为托管于 GitHub Pages 的可筛选 HTML 网站。用户可按年份、场地、硬件平台、模型及审核状态进行筛选。
每周抓取流水线	GitHub Action 每周一执行。它会查询 OpenAlex 和 arXiv 获取近期论文，筛选提及 transformer 硬件的论文，将其附加到 YAML 中并标记 `ignore: check` 和 `review_pass: 1`，然后重新生成网站并开启 PR (`auto/papers-ingest`)。
本地管理界面	运行 `scripts/admin_server.py` (在 `pip install -r requirements.txt` 之后) 以获得小型网页界面 (`http://127.0.0.1:8787/admin/`)，整理者可在该处接受/拒绝条目并推进其审核进度 (Pass 1-3)。
贡献工作流	贡献者在 `papers.yaml` 中新增或编辑条目，推送 PR，CI 将自动重建网站。
可选 AI 筛选	流水线可使用 Groq 或 Gemini API 进行启发式“AI 辅助”相关性检查，但即使没有这些 API 也能运作。

谁会觉得这很有用？

硬件研究人员：寻找 Transformer 工作负载的先前硅实现方案。
硅芯片设计师 (ASIC/FPGA 团队)：需要快速浏览已构建内容的文献调查。
学生或调查报告撰写者：需要一份关于 Transformer-on-Silicon 论文的整理书目。
工具开发者：需要现成的数据集 (papers.yaml / CSV) 来训练硬件论文分类模型。

如何在本地开始

# Clone the repo
git clone https://github.com/aliemo/transfomers-silicon-research.git
cd transfomers-silicon-research

# Install the tiny Python environment
pip install -r requirements.txt

# Re-build the website (outputs to website/dist)
python website/build.py
# Open the generated index.html in a browser

# Run the admin UI for curation
python scripts/admin_server.py   # then visit http://127.0.0.1:8787/admin/

限制 / 注意事项

此目录是经过整理的，而非详尽无遗；它依赖人工审核员将条目标记为“硅”或忽略它们。
自动抓取默认仅回溯约 21 天；更深入的历史抓取必须手动执行 (scripts/pipeline/fetch_papers.py)。
网站是静态的 – 没有服务器端搜索，仅有客户端筛选。
不提供实际的硬件设计或代码；该仓库是一个书目/元数据服务。

总结

这是一个组织良好、自动更新的书目，收录了在真实硬件上实现 Transformer 系列模型的论文，并配备可搜索的网页前端及用于社区整理的简单界面。