一站式掌握大模型长上下文技术，从论文到实践
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。
⚠ 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.git2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-Modeling3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。
克隆完成后执行 ls 能看到 README.md，打开后可见分门别类的长上下文论文列表即成功。
Q：这个项目需要安装依赖或运行代码吗？
A：不需要。它是一个 awesome-list 资源清单仓库，只用 Markdown 整理论文、博客与工具链接，没有可执行程序。
Q：怎么快速找到长上下文评测基准？
A：在 README 中定位 benchmarks & evaluation 章节，里面集中列出了评测基准与评估方法相关链接。
Q：想系统入门长上下文建模，应该先看什么？
A：建议先读 README 中提到的综述论文 A Comprehensive Survey on Long Context Language Modeling，再按章节挑论文精读。
Q：如何向仓库补充资料？
A：README 说明欢迎贡献者，按仓库现有分类格式整理好链接后，在 GitHub 上提交 Pull Request 或先开 Issue 讨论。
Awesome-LLM、LLM-Long-Context-Evaluation、Long-Context-LLMs-Leaderboard
Awesome-LLM-Long-Context-Modeling 是开源模型领域的开源项目，由 Xnhyacinth 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（2,172）位列前 30%，在开源模型分类中处于中上游。
项目仍在小幅维护中，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：研究者调研长上下文技术方向，快速获取核心论文。同类可对比的替代方案包括 Awesome-LLM、LLM-Long-Context-Evaluation、Long-Context-LLMs-Leaderboard。
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
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
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···