Awesome-Code-LLM

收录理由

这份清单由一篇经同行评审的TMLR综述论文的作者团队整理，专门面向从事代码语言模型研究或工程实践的人。它没有把链接简单堆在一起，而是将数百篇论文和数据集按预训练、微调、强化学习、代码智能体以及代码生成、修复、测试、DevOps等下游任务分门别类，形成清晰的体系。研究者或工程师想找代码搜索、程序修复、文本转SQL等特定方向的资料时，不必在无关内容里翻找，直接按图索骥即可。数据集和基准测试部分单独成块，对打算做实验的人来说很实用，评估资源集中在一处，省去四处搜集的麻烦。项目维护活跃，近期会议的新论文会及时补充进来，在代码大模型这个快速演进的领域里，能持续保持参考价值。