@DanKornas: 阅读LLM研究时，每换个主题就要重新搜索，效率很低。Awesome-LLM-Survey 是一个按主题组织的集合…

X AI KOLs Timeline 工具
llm survey research-tool curated-list open-source

摘要

Awesome-LLM-Survey 是一个按主题组织的 GitHub 仓库，汇集了 LLM 综述论文和项目链接，帮助研究人员快速找到涵盖训练、提示、模态和应用等方面的概览。

阅读LLM研究时，每涉及一个新主题就得重新搜索，效率会变得很低。 Awesome-LLM-Survey 是一个按主题组织的LLM综述论文集合，专为研究人员和开发者绘制该领域地图而设计。 它通过将论文链接（以及相关的项目链接，如果提供）归类到详细的 README 索引下，帮助您更快地找到有用的概述。 主要特点： • 训练与对齐 – 涵盖指令微调和人类对齐等章节。 • 提示与检索 – 浏览思维链、提示工程和 RAG 综述。 • 模型挑战 – 追踪幻觉、评估、推理、可解释性、安全、隐私等方面的研究。 • 模态与领域 – 探索视觉、音频和代码 LLM，以及健康、金融、教育、法律和机器人等领域。 • 下游应用 – 进入推荐系统、信息检索、软件工程、自动驾驶、时间序列及其他任务领域。 免费公开的 GitHub 仓库。 链接在回复中
查看原文
查看缓存全文

缓存时间: 2026/07/22 14:30

阅读LLM研究时，每换一个话题就得重新搜索，效率自然就慢了。

Awesome-LLM-Survey 是一个按主题整理的LLM综述论文合集，面向研究人员和领域构建者，帮你更快找到有用的概览——它通过详细的README索引，将论文链接（以及附带的项目链接）分组呈现。

主要特点：

• 训练与对齐 – 涵盖指令微调和人类对齐的相关章节。 • 提示与检索 – 浏览思维链、提示工程和RAG的综述。 • 模型挑战 – 追踪幻觉、评估、推理、可解释性、安全、隐私等方面的研究。 • 模态与领域 – 探索视觉、音频和代码LLM，以及健康、金融、教育、法律和机器人等领域。 • 下游应用 – 直接进入推荐系统、信息检索、软件工程、自动驾驶、时间序列等任务领域。

免费公开的GitHub仓库。

回复中附有链接。

相似文章