6月，我向支持本Substack的付费订阅用户分享了一篇附赠文章，其中包含我精心整理并收藏的研究论文列表。

同样地，为了感谢所有友善的支持者，我准备了一份2025年7月至12月期间我收藏并分类的有趣研究文章列表。

我浏览了这些论文的摘要，但只阅读了其中极小的一部分。不过，我仍然喜欢持续收集这些整理好的列表，因为在从事某个项目时，我经常会回头查阅它们。

顺便提一下，我还在撰写我的年度LLM回顾文章《2025年LLM现状：进展、问题与预测》，该文今天也已发布。你可以在这里找到它：​

[

https://substackcdn.com/image/fetch/$s_!RdO6!,w_140,h_140,c_fill,f_webp,q_auto:good,fl_progressive:steep,g_auto/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fdfad3fc4-b195-4e7e-a6a7-7701b59ed57b_1394x918.png">![2025年LLM现状：进展、进展与预测](https://substackcdn.com/image/fetch/$s_!RdO6!,w_140,h_140,c_fill,f_auto,q_auto:good,fl_progressive:steep,g_auto/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fdfad3fc4-b195-4e7e-a6a7-7701b59ed57b_1394x918.png)

](https://magazine.sebastianraschka.com/p/state-of-llms-2025)

最初，我计划将这个列表包含在上述文章中。然而，那篇文章已经变得相当长，所以我决定改为在此单独发帖分享这个列表。希望你不介意今天收到两封邮件。我的想法是，将内容分开会使两篇文章都更易于阅读、浏览和日后回顾，而不会迷失在过长的页面中。

这份研究论文列表的分类如下（你可以使用本文网页视图中的目录直接导航到相应分类）：

  1. 推理模型

  • 1a. 训练推理模型

  • 1b. 推理时推理策略

  • 1c. 评估LLM和/或理解推理

  1. 用于LLM的其他强化学习方法

  2. 其他推理时扩展方法

  3. 模型发布/技术报告

  4. 架构

  5. 高效训练

  6. 基于扩散的语言模型

  7. 多模态与视觉-语言模型

  8. 数据与预训练数据集