一份清单，看懂 LLM 推理从 CoT 到 o1 的进化史
Awesome-LLM-Reasoning 是一个精心整理的资源列表，聚焦于大语言模型（LLM）的推理能力，覆盖从经典的 Chain-of-Thought（CoT）提示方法到 OpenAI o1 和 DeepSeek-R1 等前沿推理模型。项目系统梳理了推理相关的论文、技术博客、开源模型和工具，按技术路线（如提示工程、强化学习、多模态推理等）分类，方便研究者和开发者快速追踪该领域的发展脉络。它解决了推理方向信息分散、难以系统入门的问题，核心能力在于提供结构化的知识索引和关键资源导航，帮助用户理解 LLM 推理的技术演进，并找到适合自己场景的方法或模型。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆仓库到本地
把资源清单仓库完整下载到本地，便于离线检索与长期保存。
git clone https://github.com/atfortes/Awesome-LLM-Reasoning.git2进入仓库目录
切换到克隆下来的项目根目录，README.md 就在该目录下。
cd Awesome-LLM-Reasoning3浏览 README 目录
打开 README.md，按 Table of Contents 中的 Survey、Analysis、Technique 等章节定位感兴趣的方向。
4按关键词检索资源
在编辑器或 GitHub 页面内搜索 Chain-of-Thought、DeepSeek-R1 等关键词，快速找到对应论文与模型链接。
本地出现 Awesome-LLM-Reasoning 目录，且 README.md 中能看到 Survey、Analysis、Technique 等章节标题即表示获取成功。
Q：这个项目可以直接安装运行吗？
A：不能。它是论文与资源清单（awesome list），没有可执行代码，克隆后阅读 README.md 即可，使用方式就是查阅其中的链接。
Q：需要配置 API Key 或显卡吗？
A：不需要。README 中未给出任何安装命令、依赖包或密钥配置说明，本教程只覆盖获取与阅读资源清单的基础步骤。
Q：怎么快速找到某个推理模型的资料？
A：在仓库内搜索关键词，例如 Chain-of-Thought、o1、DeepSeek-R1，或直接在 GitHub 仓库页面使用搜索框定位对应条目。
Q：如何获取最新收录的资源？
A：进入仓库目录后执行 git pull 拉取最新提交，或在 GitHub 页面直接查看最新版本。
awesome-chain-of-thought、Awesome-LLM、LLM-Reasoning-Papers
Awesome-LLM-Reasoning 是评测安全领域的开源项目，由 atfortes 开发，2022 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（3,685）位列前 30%，在评测安全分类的 466 个项目里位列前 8%。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。无在线服务，需自行部署，全部功能免费。
它主要面向的使用场景是：研究者快速调研LLM推理方向的研究脉络。同类可对比的替代方案包括 awesome-chain-of-thought、Awesome-LLM、LLM-Reasoning-Papers。
上一篇：heurigym
下一篇：awesome-ai-eval
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.