LLMSurvey

看论文配图,快速摸清大模型发展全貌

LLMSurvey 是《A Survey of Large Language Models》论文的官方 GitHub 页面,旨在系统梳理大语言模型领域的发展脉络。它解决了研究者快速了解 LLM 技术全貌的需求,提供了论文全文、相关资源列表以及配套的演进图等核心内容。项目按时间线整理了从早期模型到最新进展的架构、训练方法、评估基准等关键信息,并分类汇总了模型、数据集、工具等资源,帮助用户高效追踪领域动态。作为学术资源聚合页,它更侧重知识索引而非代码实现,适合作为入门导览和文献检索的起点。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 12219
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队RUCAIBox
所属国家
官网地址
定价模式free
价格说明开源项目,完全免费,无付费版本。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型chain-of-thought,chatgpt,in-context-learning,instruction-tuning,large-language-models,llm,llms,natural-language-processing,pre-trained-language-models,pre-training,rlhf
GitHub 星标★ 12219
30天Star增速
HF 下载量
上线时间2023-03-14 00:00:00
最近更新2026-09-22 00:00:00
维护状态低维护
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5

使用教程

难度:入门 约 10 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、arXiv 与 Hugging Face 的网络环境
  • 可阅读 Markdown 的编辑器或浏览器
  • (可选)本地已安装 Git,用于克隆仓库

安装与启动步骤

  1. 1克隆或浏览仓库

    用 git clone 拉取仓库,或直接在浏览器打开仓库页面,浏览 README 中的论文与资源列表。

    git clone https://github.com/RUCAIBox/LLMSurvey.git
  2. 2阅读英文综述

    打开 README 给出的 arXiv 2303.18223 或 Hugging Face 论文页,通读综述全文。

  3. 3查看中文书籍

    README 提到已发布该综述的中文书籍,面向 LLM 领域初学者,给出整体框架与路线图。

  4. 4按 BibTeX 引用

    研究成果用到该综述时,使用 README 提供的 BibTeX 条目,保留作者、年份与 arXiv 链接。

    @article{LLMSurvey,
        title={A Survey of Large Language Models},
        author={Zhao, Wayne Xin and Zhou, Kun and Li, Junyi and Tang, Tianyi and Wang, Xiaolei and Hou, Yupeng and Min, Yingqian and Zhang, Beichen and Zhang, Junjie and Dong, Zican and Du, Yifan and Yang, Chen and Chen, Yushuo and Chen, Zhipeng and Jiang, Jinhao and Ren, Ruiyang and Li, Yifan and Tang, Xinyu and Liu, Zikang and Liu, Peiyu and Nie, Jian-Yun and Wen, Ji-Rong},
        year={2023},
        journal={arXiv preprint arXiv:2303.18223},
        url={http://arxiv.org/abs/2303.18223}
    }
  5. 5邮件反馈问题

    发现错误或有建议,可发邮件至 batmanfly@gmail.com,并抄送 francis_kun_zhou@163.com。

如何确认成功

仓库页面能正常打开、README 中能看到论文标题与 BibTeX 引用条目,即表示资源获取成功。

常见问题

Q:这个项目需要安装依赖或运行代码吗?

A:不需要。README 未提供任何安装或运行说明,它是《A Survey of Large Language Models》的论文与资源索引页,侧重知识整理。

Q:怎样正确引用这篇综述?

A:直接复制 README 中给出的 BibTeX 条目,保持标题、全部作者、年份 2023 与 arXiv 链接 2303.18223 不变。

Q:发现错误或想提建议怎么联系?

A:发送邮件至 batmanfly@gmail.com,并建议同时抄送 francis_kun_zhou@163.com,以避免投递失败。

Q:有适合初学者的中文资料吗?

A:有。README 提到已发布该综述的中文书籍,面向 LLM 领域初学者,提供完整的框架与路线图。

注意事项

  • README 未给出安装、依赖或运行命令,本教程仅覆盖资源获取、阅读与引用。
  • 邮件反馈时建议同时抄送两个邮箱地址,防止投递不成功。
  • 引用请使用 README 中提供的 BibTeX,不要自行改写作者顺序与年份。

核心亮点

  • 论文配套官方资源,信息权威且系统
  • 按时间线梳理模型演进,便于理解技术脉络
  • 汇总了模型、数据集、工具等分类资源,检索方便

不足之处

  • 内容以静态资源为主,更新依赖论文维护,时效性有限
  • 不提供代码实现,仅作索引,对开发者直接帮助有限
  • 文档/社区待观察

适用场景

  • 入门大模型领域,快速建立知识框架
  • 学术研究时查找相关论文和模型发展历史
  • 教学备课或技术分享时引用权威图表

替代项目

Awesome-LLM、LLM-Leaderboard、Papers with Code

项目介绍

LLMSurvey 是开源模型领域的开源项目,由 RUCAIBox 开发,2023 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(12,219)位列前 4%,在开源模型分类的 422 个项目里位列前 6%。

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 2026-09-22。完全免费,无付费版本。

它主要面向的使用场景是:入门大模型领域,快速建立知识框架。同类可对比的替代方案包括 Awesome-LLM、LLM-Leaderboard、Papers with Code。

上一篇:open-llms

下一篇:InternVL

同类项目推荐

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

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库,免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10