每天 5 分钟,跟上大模型世界的每一天

为论文追更者打造的自更新情报站:每日自动追踪 arXiv 大模型前沿论文,34 家 AI 公司专栏,模型发布时序,学习路径,零后端零成本

简体中文 · English

---

⚡ 一分钟看懂大模型情报局

arXiv 每天新增上百篇 AI 论文,没人读得完。这个站点替你读:自动抓取、自动分类、自动生成中文笔记,还把 OpenAI、DeepSeek、Qwen 等 34 家公司的官方论文单独归档。纯静态站点加 GitHub Actions 驱动,零后端、零成本。

你想完成的事	交付成果
快速跟进每日 LLM 新论文	主页收录 13,000+ 篇论文,中英文搜索,每日 UTC 01:00 自动更新,可选中文一句话笔记
盯紧大厂技术动态	34 家 AI 公司专栏,论文经作者单位关键词校验,侧栏时间轴直达 arXiv
看清模型发布全景	248 个模型系列时序图,按公司、地区、开放度筛选,悬停可见架构图与代码仓库

直达入口:🌐 在线访问 · 📅 时间轴 · 🧬 模型时序

✨ 核心能力

• 📰 论文追踪:13,000+ 篇 LLM 相关论文并持续增长;支持中英文搜索、主题筛选、年份筛选;按最新日期、引用量、标题三种排序,高引用论文(≥1000)绿色高亮;⭐ 收藏基于 localStorage,无需登录
• 🏢 公司专栏:追踪 OpenAI、Google、Meta、Anthropic、xAI、Mistral、DeepSeek、Qwen、Moonshot、Zhipu、MiniMax、ByteDance、Tencent、Huawei、Nvidia 等 34 家公司;每篇公司论文经作者单位关键词校验,避免标题撞名误标;品牌色侧栏时间轴可拖拽滚动
• 🇨🇳 中文笔记:每日新论文由 LLM 自动生成中文标题与一句话笔记,30 秒判断论文在做什么;可选功能,不配 API Key 也能正常运行
• 🏷️ 八大主题自动分类:RAG Agent MCP Reasoning Multimodal Fine-tuning Safety LLM,主题页一屏总览各方向论文数量
• 📅 论文热力图:GitHub 贡献图风格的年度热力图,年、月、周三级视图,点击格子查看当日全部论文;顶部统计卡展示总数、今年、本月、今日新增
• 🧬 模型发布时序:248 个模型系列,按公司、地区(中国、美国、其他)、开放度(开放权重、混合、闭源)三维筛选,时间范围可缩放
• 📚 学习路径:从 Attention Is All You Need 到 RLHF 的分阶段经典论文精读路线,每篇附中文导读笔记和关键概念速览
• 📄 PDF 直链:公司重点论文 PDF 自动归档到独立 pdfs 分支,站内一键直达原文

🚀 快速开始

方式一:直接使用

打开 xplore-lab.github.io/llm-tracker 即可,手机端同样适配。

方式二:Fork 部署你自己的 Tracker(2 分钟)

1. Fork 本仓库
2. 开启 Pages:Settings → Pages → Source 选 Deploy from a branch → master / (root),保存后约 1 分钟即可通过 https://<你的用户名>.github.io/llm-tracker/ 访问
3. (可选)启用中文笔记:Settings → Secrets and variables → Actions 添加 Secret LLM_API_KEY(任意 OpenAI 兼容 API 的密钥);如需更换服务商,添加 Variables LLM_BASE_URL(默认 https://api.moonshot.cn/v1)、LLM_MODEL(默认 moonshot-v1-8k)
4. (可选)飞书每日推送:添加 Secret FEISHU_WEBHOOK(飞书群机器人 Webhook 地址)
5. 完成。GitHub Actions 每天 UTC 01:00 自动更新;也可在 Actions 页手动触发,或点站点上的「⚡ 更新数据」按钮

方式三:本地跑数据脚本

git clone https://github.com/Xplore-LAB/llm-tracker.git
cd llm-tracker
pip install pymupdf
python scripts/fetch_papers.py   # 完整抓取一轮(约 20 分钟,含 arXiv 限速等待)

本地预览站点:任意静态服务器即可,如 python -m http.server 8000,访问 http://localhost:8000。

🔧 工作原理

                    ┌─────────────────────────────────────────────┐
                    │           GitHub Actions (每日 01:00 UTC)     │
                    └──────────────────┬──────────────────────────┘
                                       │
        ┌──────────────────────────────┼──────────────────────────────┐
        ▼                              ▼                              ▼
  ① 按 8 大主题 query          ② 按 34 家公司 query            ③ LLM 生成中文笔记
     抓取 arXiv 新论文             抓取 + 作者单位校验             (可选,OpenAI 兼容 API)
        └──────────────────────────────┼──────────────────────────────┘
                                       ▼
                    ④ 自动打标 / 合并去重 / 生成时间轴与模型数据
                                       ▼
                    ⑤ commit 回仓库(papers.json 等 8 个数据文件)
                                       ▼
              ┌────────────────────────┴────────────────────────┐
              ▼                                                  ▼
     GitHub Pages 自动发布                              公司论文 PDF 归档
     (纯静态站点,无构建)                                 (pdfs 孤儿分支,站内直链)

• 零后端:站点是纯 HTML/JS,数据就是仓库里的 JSON,GitHub Pages 直接托管,没有服务器、没有数据库
• 数据即代码:每次更新都是一个 git commit,天然带版本历史和回滚能力
• 防误标双保险:公司论文先经作者单位关键词校验;若当日 arXiv 查询结果过少,自动回退到离线标题分类兜底
• PDF 归档隔离:PDF 放在独立孤儿分支,主分支保持苗条,克隆飞快
• 架构图自动抽取:用 PyMuPDF 从技术报告 PDF 中抽取模型架构图,模型页悬停可见

📊 数据一览

指标	规模
收录论文	13,000+ 篇(每日自动增长)
追踪公司	34 家(中美欧主流 AI 实验室)
模型系列	248 个
主题分类	8 个方向
更新频率	每日 UTC 01:00 全自动
运行成本	0 元(GitHub Pages + Actions 免费额度)

数据 Schema 与字段说明:主数据在 papers.json(按日期倒序,含 id、title、title_zh、authors、abstract、date、cite、tags、note、company 等字段);company-papers.json 为其子集(保留最近 1200 篇)。数据可直接用于二次开发,clone 即用,无需 API Key。

🗂 仓库结构

├── index.html            # 📰 论文追踪主页(纯静态,无构建)
├── timeline/             # 📅 论文热力图页
├── models/               # 🧬 模型发布时序页
├── papers.json           # 论文主数据(累积,含中文笔记)
├── company-papers.json   # 34 家公司论文索引(经作者单位校验)
├── timeline-data.json    # 热力图数据
├── models.json           # 模型发布数据(248 个系列)
├── learning-path.json    # 学习路径(分阶段经典论文)
├── pdfs-index.json       # 已归档 PDF 索引
├── scripts/              # 🐍 数据管线(Python):抓取、校验、打标、PDF 归档、架构图抽取
├── docs/                 # README 截图与 social preview
└── .github/workflows/    # 每日自动更新 + PDF 归档分支发布

🛡️ 边界与注意

• 论文元数据(标题、作者、摘要、引用数等)来自 arXiv 等公开来源,权利归原权利人所有,请遵守 arXiv 使用条款
• 中文笔记由 LLM 生成,仅供参考
• 站点 UI 目前为中文界面,英文界面切换在 Roadmap 中
• 本仓库原创内容的授权范围见 LICENSE,请留意其与常见开源协议的差异

📚 文档导航

• CONTRIBUTING.md:贡献指南,含数据错误反馈与论文推荐的 Issue 模板入口
• docs/:README 截图与社交预览图
• storage_table.md:存储说明文档

🗺 Roadmap

• 英文界面切换(站点目前为中文 UI)
• RSS / 邮件订阅每日新论文
• 周榜与月报(高引趋势、公司动态综述)
• 论文引用量增长曲线
• 追踪更多公司与会议(NeurIPS / ICML / ACL 接收列表)
• 深色模式

欢迎开 Issue 投票或认领。

📈 Star History

📄 许可证

• 本仓库原创内容(包括但不限于大模型编年史文案、模型技术档案、硬件志、DGX Spark 专题、页面视觉设计与代码实现)保留所有权利,未经书面许可不得复制、转载、抓取、再发布或用于训练机器学习模型,详见 LICENSE
• 例外:论文元数据来自 arXiv 等公开来源,其权利归原权利人所有,不受上述声明限制
• 中文笔记由 LLM 生成,仅供参考
• Original project by Xplore-LAB · xplore-lab.github.io/llm-tracker

如果这个项目对你有帮助,欢迎 ⭐ Star 支持,也欢迎分享给同样需要追论文的朋友!