Awesome-Efficient-LLM

高效LLM技术一网打尽，快速找到压缩加速方案

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 172 🐛 待处理 14 👀 关注 43

GitHub ↗

GitHub 星标 ★ 2048

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，完全免费，无付费版本。

项目预览

Awesome-Efficient-LLM 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horseee

GitHubhttps://github.com/horseee/Awesome-Efficient-LLM

定价模式🏷️完全免费

价格说明开源项目，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型compression,efficient-llm,knowledge-distillation,language-model,llm,llm-compression,model-quantization,pruning-algorithms

GitHub 星标★ 2048

上线时间2023-05-22 00:00:00

代码更新2025-06-17

仓库体积66.3 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数10

项目介绍

Awesome-Efficient-LLM 是一个精选资源列表，专注于高效大语言模型（LLM）领域。它系统整理了模型压缩、推理加速、架构优化、量化、剪枝、知识蒸馏等方向的前沿论文、开源工具和框架，帮助研究者和工程师快速了解高效LLM的技术全景。项目解决了LLM部署成本高、推理速度慢、资源消耗大等实际问题，通过分类整理和持续更新，降低了技术调研门槛。核心能力包括：按技术方向分类的论文清单、实用工具和库的索引、以及社区贡献的整合。适合作为高效LLM领域的入门导航和持续跟踪工具。

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 ★ 2048

技术标签

compression knowledge-distillation language-model llm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 5 步

⚠ 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。

环境要求

可访问 GitHub 的网络环境
任意浏览器或支持 Markdown 预览的编辑器
git 命令行工具（可选，用于克隆仓库）

安装与启动步骤

1克隆仓库

把整个清单下载到本地，便于离线浏览和全文检索；也可直接在 GitHub 网页上阅读。
```
git clone https://github.com/horseee/Awesome-Efficient-LLM.git
```
2进入项目目录

进入仓库根目录，README.md 和各个分类 Markdown 文件都位于此处。
```
cd Awesome-Efficient-LLM
```
3查看分类清单

根目录按技术方向拆成多个 md 文件，如 pruning.md、quantization.md 等，可先列出再挑选。
```
ls *.md
```
4按方向阅读论文

打开感兴趣的分类文件，表格中给出论文标题、作者、会议及 Github/Paper 链接，可直接跳转。
5参与贡献列表

README 中带有 Contributing 说明，可依其指引提交 PR，把自己的论文补充到对应分类文件。