Awesome-LLM-Long-Context-Modeling

一站式掌握大模型长上下文技术，从论文到实践

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 105 👀 关注 59

GitHub ↗

GitHub 星标 ★ 2191

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，完全免费，无付费版本。

项目预览

Awesome-LLM-Long-Context-Modeling 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队Xnhyacinth

GitHubhttps://github.com/Xnhyacinth/Awesome-LLM-Long-Context-Modeling

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

开源协议MIT

技术栈/模型agent,awsome-list,benchmark,blogs,compress,evaluation,large-language-models,length-extrapolation,llm,long-context-modeling,long-term-memory,longcot,papers,rag,ssm,survey,transformer

GitHub 星标★ 2191

上线时间2023-09-17 00:00:00

代码更新2026-10-26

仓库体积2.0 MB

本站数据更新2026-11-08

维护状态较活跃

收录时间2026-08-09

浏览次数3

项目介绍

Awesome-LLM-Long-Context-Modeling 是一个精选资源列表，聚焦于大语言模型的长上下文建模技术。它系统整理了相关论文、博客和开源工具，涵盖长上下文扩展方法（如位置编码改进、注意力机制优化）、评测基准、应用案例等。项目旨在帮助研究者和工程师快速了解该领域的前沿进展，解决长文本处理中的性能、效率和成本问题。核心能力包括结构化分类、持续更新和社区贡献，为入门者提供学习路径，为从业者提供参考手册。

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 ★ 2191

技术标签

agent benchmark evaluation large-language-models 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 6 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
本地已安装 git 命令行工具
可阅读 Markdown 的工具（编辑器或浏览器）

安装与启动步骤

1克隆资源仓库

把仓库下载到本地，之后可离线阅读整理好的论文与博客清单。
```
git clone https://github.com/Xnhyacinth/Awesome-LLM-Long-Context-Modeling.git
```
2进入仓库目录

切换到克隆下来的目录，README.md 即全部内容入口。
```
cd Awesome-LLM-Long-Context-Modeling
```
3阅读论文清单

打开 README.md，按高效注意力、KV-cache、位置编码等章节浏览感兴趣的方向。
4查看综述论文

README 指向综述论文，可先读它建立长上下文建模的整体认知。
5浏览项目主页与笔记

README 提供项目主页和作者笔记链接，适合按主题系统学习。
6参与贡献

README 欢迎贡献者，可通过 GitHub 提交 PR 或 Issue 补充论文与博客。