高效LLM技术一网打尽，快速找到压缩加速方案
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。
⚠ 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
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.git2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-LLM3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 *.md4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。
能打开 pruning.md、quantization.md 等分类文件并看到论文表格，即表示清单已完整获取。
Q：需要安装 Python 依赖或环境吗？
A：不需要。README 只提供分类清单文件，未给出任何安装命令，克隆后直接阅读 Markdown 即可，无需配置 Python 环境。
Q：为什么主页上的论文很少？
A：README 明确说明主页面只展示最近 90 天内发布的论文，完整内容分布在各个子分类 Markdown 文件中。
Q：如何找到论文对应的开源代码？
A：论文表格中通常带有 Github 徽章与链接，点击即可跳转到对应仓库，部分仅提供 Paper 链接暂未开源。
Q：可以提交自己的论文吗？
A：可以。README 有 Contributing 章节，按其说明向对应分类文件添加条目并提交 PR 即可。
Awesome-LLM、Awesome-Model-Compression、Efficient-Transformers
Awesome-Efficient-LLM 是开源模型领域的开源项目，由 horseee 开发，2023 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（2,043）位列前 30%，在开源模型分类中处于中上游。
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 2026-09-15。完全免费，无付费版本。
它主要面向的使用场景是：调研高效LLM技术方案选型。同类可对比的替代方案包括 Awesome-LLM、Awesome-Model-Compression、Efficient-Transformers。
上一篇：magicoder
Machine-Learning
开源
跟着博客笔记，边看边跑机器学习代码
All content related to machine learning from my blog
awesome-claude-fable-5-prompt-va···
开源
一站式掌握 Claude Fable 5 玩法，快速选型不踩坑
Ultimate Claude Fable 5 Guide 2026: Use Cases, Integrations & Benchmarks
awesome-ltx2
开源
找齐 LTX-2 模型、工作流和 LoRA，一键上手视频生成。
All available LTX-2 models, encoders, workflows, LoRAs for ComfyUI
Diffusion-Models-Papers-Survey-T···
开源
学视频生成怕绕路？这份资料库帮你理清
Diffusion model papers, survey, and taxonomy