持续更新中ing！！！
友情链接：大模型相关资料、基础技术和排行榜
大模型LLM论文目录
| 标题和时间 | 作者 | 来源 | 简介 |
|---|---|---|---|
| Artificial General Intelligence: Concept, State of the Art, and Future Prospects，2014 | Goertzel | Journal of Artificial General Intelligence | 14年的一篇AGI综述，里面探讨了AGI的定义、分类和评估方法等，作者貌似现在是AGI大会的编辑了hh |
| Towards artificial general intelligence with hybrid Tianjic chip architecture，2020 | Pei jing | Nature | 2020年的一个讨论实现AGI硬件的论文，其实现了在同一芯片上同时运行MLP-like和SNN神经网络的硬件环境 |
| AGI Brain II: The Upgraded Version with Increased Versatility Index，2021 | Mohammadreza Alidoust | AGI2021 | 1.提出一个AGI指标，2.用Mamdani模糊推理联想记忆代替原本的神经网络NN表示外显记忆 |
| Training language models to follow instructions with human feedback，2022 | Long Ouyang等人 | OpenAI | InstructGPT，在大型语言模型的基础上引入人工引导和强化学习，大大提升模型性能 |
| Yann Lecun: A Path Towards Autonomous Machine Intelligence 自主机器学习和AGI,2022 | Yann Lecun | Machine Learning | 提出了自主智能体的架构和训练范式,论文地址 |
| GPT-4原论文详细解读（GPT-4 Technical Report）,2023 | OpenAI | OpenAI | GPT-4，提出了多模态的大型语言模型，具备一定的常识和认知能力 |
| ChatGLM，2023 | Aohan Zeng，Du等人 | International Conference on Learning Representations (ICLR) | ChatGLM，ChatGLM-6B结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存） |
| LLaMA: Open and Efficient Foundation Language Models,2023 | Hugo Touvron | preprint | LLaMA 是 Meta AI 发布的包含 7-65B 参数规模的LLM，其中LLaMA-13B 仅以 1/10 规模的参数在多数的 benchmarks 上性能优于 GPT-3(175B)。开源。 |
| A Survey of Large Language Models，2023 | Wayne Xin Zhao, | preprint | 大型语言模型综述，非常详细，格局打开！ |
| ChatDB: AUGMENTING LLMS WITH DATABASES AS THEIR SYMBOLIC MEMORY，2023 | Chenxu Hu | preprint | ChatDB清华团队针对大模型LLMs的长期记忆能力进行的改进，提出数据库与大模型结合开源 |
| LONGNET: Scaling Transformers to1,000,000,000 Tokens，2023 | Jiayu Ding | preprint | LONGNET微软做的针对大模型的长文本学习，长期记忆进行的改进，开源 |
| Focused Transformer: Contrastive Training for Context Scaling，2023 | Szymon Tworkowski | preprint | LongLlama谷歌DeepMind研究团队提出了一种注意力集中的transformer架构FOT |
| Towards Benchmarking and Improving the Temporal Reasoning Capability of Large Language Models，2023 | 谭清宇，Hwee Tou Ng，邴立东 | ACL 2023 main conference | LLM理解时间变迁。达摩院联合NUS提出时间推理数据集以及时间强化的训练范式 |
| UnIVAL: Unified Model for Image, Video, Audio and Language Tasks，2023 | Mustafa Shukor | preprint | UnIVAL，该算法不依赖于数据集大小或具有数十亿参数的大模型，仅仅具有约0.25B的参数量，而且将文本、图像、视频和音频这4个多模态任务统一到了一个模型中 |
| Graph of Thoughts: Solving Elaborate Problems with Large Language Models，2023 | Besta Maciej | preprint | 思维图，将LLM生成的信息建模为任意图，其中信息单位是顶点，边代表顶点之间的依赖关系 |
| The Rise and Potential of Large Language Model Based Agents: A Survey，2023 | Xi Zhi heng | preprint | Agent，综述 |
| NExT-GPT: Any-to-Any Multimodal LLM，2023 | Wu Shengqiong | preprint | NExT-GPT，多模态大模型，实现任意模态之间的转换。NextGPT整体结构图、模型示意图和使用模型时示意图 |
| Toolformer: Language Models Can Teach Themselves to Use Tools，2023 | Schick Timo | preprint | Toolsformer，GPT与各种工具结合 |
| The Dawn of LMMs: Preliminary Explorations with GPT-4V(ision)，2023 | Yang Zhengyuan | preprint | GPT-4V测评报告 |
| EFFICIENT STREAMING LANGUAGE MODELS WITH ATTENTION SINKS，2023 | Xiao Guangxuan | preprint | 流式LLM，无限扩展LLM长度 |
| Improving Image Generation with Better Captions，2023 | Betker James | Open AI | DaLLE3，作画大师接入chatgpt，论文中文版见这 |
| Instruction Tuning for Large Language Models: A Survey，2023 | Zhang Linfeng | preprint | 思维链综述 |
| RoleLLM: Benchmarking, Eliciting, and Enhancing Role-Playing Abilities of Large Language Models | Wang Zekun Moore | preprint | 角色扮演大模型 |
| A Survey on Multimodal Large Language Models，2023 | Yin Chaoyou | preprint | 多模态大模型综述 |
| Visual Instruction Tuning，2023 | Liu Haotian | preprint | 视觉大模型llava,通过视觉调优，支持基于图片的聊天 |
| ChatGLM3，2023 | ZHIPU, Tinghua | web | ChatGLM3 |
| AI Alignment: A Comprehensive Survey，2023 | Jiaming Ji | preprint | AI对齐技术综述，怎么让AI符合人类意图和价值观 |
| RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation,2023 | Yufei Wang | preprint | 具身智能代表性工作 |
| A Comprehensive Overview of Large Language Models, 2023 | Naveed Humza | arXiv | 大模型的全面回顾，看透大模型 |