Awesome-Efficient-Reasoning-LLMs

让大模型少想快答，推理效率提升指南

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 44 🐛 待处理 2 👀 关注 7

GitHub ↗

GitHub 星标 ★ 794

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，无在线服务，需自行部署，完全免费。

项目预览

Awesome-Efficient-Reasoning-LLMs 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队Eclipsess

GitHubhttps://github.com/Eclipsess/Awesome-Efficient-Reasoning-LLMs

定价模式🏷️完全免费

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

技术栈/模型efficiency,large-language-models,large-reasoning-models

GitHub 星标★ 794

上线时间2025-03-19 00:00:00

代码更新2026-10-20

仓库体积4.3 MB

本站数据更新2026-11-10

维护状态较活跃

收录时间2026-08-09

浏览次数4

项目介绍

这是一个关于大语言模型高效推理的论文清单，对应TMLR 2025论文《Stop Overthinking: A Survey on Efficient Reasoning for Large Language Models》。项目系统梳理了LLM推理效率优化的前沿方法，涵盖推理压缩、思维链剪枝、早期退出、模型蒸馏等多个技术方向，并按照方法类别、任务场景、效率指标等维度进行组织。旨在帮助研究者和工程师快速了解如何在不牺牲推理质量的前提下，降低计算开销和响应延迟。核心能力包括：分类整理高效推理技术、提供论文与代码链接、对比不同方法的效率与性能权衡。适合作为该领域的入门导航和工具手册。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 794

技术标签

efficiency large-language-models

使用教程

难度：入门约 8 分钟部署方式：无需安装 4 步

环境要求

无需环境（读清单）

安装与启动步骤

1看清单

高效推理（蒸馏、量化、稀疏）方向的论文汇总。
```
https://github.com/eclipsess/Awesome-Efficient-Reasoning-LLMs
```
2按技术路线分

清单按蒸馏、RL、剪枝等分组。
```
在页面内搜索：Distillation
```
3挑一个能跑的

优先选有官方代码且权重开放的。
```
看 Code 列是否有链接
```
4本地验证

拿一个小模型做量化对比，比读十篇更有效。
```
llama.cpp 量化后测 tokens/s
```