awesome-fm4co

一网打尽基础模型+组合优化最新论文，快速跟上研究前沿

awesome-fm4co 是一个精选资源列表，收录了关于组合优化（Combinatorial Optimization）领域的基础模型（Foundation Models）的最新研究论文。组合优化问题广泛存在于物流、调度、网络设计等领域，传统方法依赖特定算法，而基础模型（如大语言模型）有望提供更通用、更灵活的解决方案。该项目旨在系统性地整理该交叉方向的前沿工作，帮助研究人员和工程师快速了解研究进展、方法分类和潜在应用。它解决了该领域信息分散、入门门槛高的问题，通过结构化分类和持续更新，为读者提供了一份清晰的导航图。核心能力包括论文分类、关键词标注、趋势追踪，以及社区贡献机制，使得资源库能够随研究进展动态演进。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 586

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队ai4co

所属国家

官网地址

GitHubhttps://github.com/ai4co/awesome-fm4co

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言

技术栈/模型awesome,awesome-list,combinatorial-optimization,foundation-models,lists,machine-learning,neural-combinatorial-optimization

GitHub 星标★ 586

30天Star增速

HF 下载量

上线时间2024-03-07 00:00:00

最近更新2026-09-06 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

系统梳理了基础模型与组合优化的交叉研究，节省文献检索时间
社区维护，持续更新，能反映最新研究动态
分类清晰，便于按研究方向或模型类型快速定位

不足之处

仅提供论文列表，无代码或实验复现，实用性有限
文档/社区待观察

适用场景

科研人员调研基础模型在组合优化中的应用现状
工程师寻找可借鉴的模型思路来解决实际调度问题
学生入门学习该交叉领域，快速建立知识框架

替代项目

awesome-deep-learning-for-combinatorial-optimization、awesome-combinatorial-optimization、awesome-llm

项目介绍

awesome-fm4co 是开源模型领域的开源项目，由 ai4co 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 425 个项目，GitHub 星标数为 586。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-06。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：科研人员调研基础模型在组合优化中的应用现状。同类可对比的替代方案包括 awesome-deep-learning-for-combinatorial-optimization、awesome-combinatorial-optim…。

上一篇：TokenFormer

下一篇：LLM4TS