LLMSurvey
大型语言模型（LLM）的论文和资源的汇总
LLMSurvey 汇总了大量关于大型语言模型（LLM） 的论文和资源。介绍了从GPT到LLaMA系列的技术演变，分析了在指令调整实验中不同类型指令对LLM性能的影响，同时提供了针对初学者的中文书籍，以帮助理解该领域的基本框架和发展路线。
LLMSurvey 项目简介
项目概述
LLMSurvey 是一个专注于大型语言模型（Large Language Models，LLM）相关资源和论文的集合。该项目旨在收集和整理与 LLM 相关的重要研究成果和资源，以便研究人员能够更好地了解和利用这些技术。LLMSurvey 的组织结构参考于一篇题为“LLMs 调查”的学术论文，该论文全面阐述了 LLM 的研究进展。
中文书籍发行
LLMSurvey 团队已经发布了该调查的中文版书籍。这本书专注于为 LLM 领域的初学者提供入门指导和全面框架，适合有深度学习基础的高年级本科生和低年级研究生。读者可以通过该书理解 LLM 的基本概念和发展路径。书籍可以从 这里 下载。
科研趋势和数据
论文数量趋势
自2018年6月以来，包含“语言模型”关键词的论文数量逐渐增加，而自2019年10月以来，“大型语言模型”主题的论文数量爆发性增长，尤其是在 ChatGPT 发布后，每天平均新增8.58篇相关论文。相关统计数据通过搜索论文标题和摘要中的关键词获得。
GPT系列模型的技术演进
LLMSurvey 提供了一个简要图示，展示了 GPT 系列模型的技术演进。该图采用实线和虚线分别表示模型间的强和弱演进关联，如不同模型之间的发展路径。
LLaMA 家族演变图
LLaMA 家族的研究工作量巨大，LLMSurvey 项目为便于逐步更新，提供了其演化图的源文件，并鼓励读者通过 GitHub 提交 pull request 来补充额外的模型。
使用提示和实验
提示设计
LLMSurvey 收集了一些提示设计的实用技巧，提供了与提示相关的原理和要素。读者可以点击此处查看更详细的信息。项目团队也欢迎任何人通过 GitHub 提交相关建议。
实验介绍
LLMSurvey 中包括两类实验：
- 指令微调实验：探讨不同类型指令对 LLM 微调效果的影响。
- 能力评估实验：对 LLM 的不同能力进行精细评估，选取具有代表性的任务和数据集进行评测。
团队呼吁提供计算资源，以便进行更加全面的实验。
时间线与模型列表
LLMSurvey 提供了一份关于 LLM 的时间线，涵盖了多个重要的模型发布，按公有和闭源两类进行分类。例如，GPT-3、LaMDA 等知名大模型均在列表之中。
公开可获得的模型示例
- T5: 由 Colin Raffel 等人提出，2019 年发布。
- mT5: Linting Xue 等人于 2021 年发布的多语言模型。
- PanGu-α: 由华为团队于 2021 年发布的中文语言大模型。
闭源模型示例
- GPT-3: OpenAI 于 2020 年发布，成为前沿语言模型的标杆。
- LaMDA: Google 于 2021 年发布的对话型语言模型。
结论
LLMSurvey 是了解和研究大型语言模型的宝贵资源。通过收集和组织丰富的研究材料，该项目为学术界提供了一个学习、交流和创新的平台。团队鼓励各界人士关注该项目的更新，并参与到其中。
编辑推荐精选
AEE
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。
UI-TARS-desktop
基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。
Wan2.1
开源且先进的大规模 视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。
爱图表
全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表
爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。
Qwen2.5-VL
一款强大的视觉语言模型，支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。
HunyuanVideo
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。
WebUI for Browser Use
一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。
xiaozhi-esp32
基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。
olmocr
一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。
olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目 还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。
飞书多维表格
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号