引言
代码大语言模型是当前人工智能与软件工程交叉领域最活跃的研究方向之一，每年有数千篇相关论文在顶会顶刊发表，领域知识迭代速度远超传统软件工程研究方向。
对于刚刚进入该领域的研究者而言，梳理领域发展脉络、找到高相关度的前沿文献需要耗费数周时间，整理文献分类和核心结论的成本极高。对于一线工业界开发者，筛选符合自身业务场景的预训练模型、基准测试方法也缺乏统一的信息入口。
该项目将代码大语言模型领域已发表的核心研究成果进行结构化整理，同步更新最新会议收录的相关论文，解决了领域文献分散、分类混乱的问题。
项目概述
该项目是一篇代码大语言模型领域综述论文的配套开源归档，综述论文已被权威机器学习期刊接收。项目从NLP与软件工程交叉视角整理领域研究成果，核心定位为代码大语言模型研究的一站式文献索引库。
项目每月更新最新接收的顶会顶刊论文，支持关键词搜索分类，覆盖从基础预训练方法到下游应用场景的全链条研究成果。
技术架构深度分析
该项目采用纯文档归档的轻量架构，整体结构基于README文件展开，没有复杂的后端服务或前端界面设计。这种架构设计降低了维护成本，普通研究者可以直接通过Pull Request提交新的文献，项目维护者仅需审核分类即可合并更新，适配领域快速迭代的更新需求。
归档内容按照研究方向进行二级分类，每个分类下按照发表时间倒序排列文献，保留文献标题、作者单位、发表渠道和论文链接四个核心信息，剔除冗余内容，保证页面加载速度和信息可读性。项目首页保留领域词云图，直观展示当前领域的研究热点分布。
分类框架基于综述论文提出的统一视角搭建，打破了传统NLP视角和软件工程视角分类混乱的问题，将所有研究成果纳入统一的分类体系，避免了同一方向研究分散在多个分类下的问题，方便用户按研究方向检索文献。
核心功能详解
结构化文献分类归档
该项目按照统一的分类框架对所有代码大语言模型相关研究进行分类整理，分类覆盖预训练技术、微调解码、安全性、各类下游任务等二十余个核心研究方向。每个方向下的文献按照发表时间倒序排列，最新研究排在最靠前位置，方便用户快速获取领域最新成果。分类框架沿用综述论文的统一视角，解决了领域内分类标准不统一导致的检索混乱问题，降低了文献检索的时间成本。
顶会顶刊论文实时更新
项目维护团队会在每一场顶会顶刊结果公布后，批量更新收录所有代码大语言模型方向的论文。用户可以通过搜索会议名称加年份的关键词，快速找到该会议本年度所有相关研究，不需要逐一浏览会议官网检索。更新频率保持在每月至少一次，重大会议结果公布后一周内完成收录，保证归档内容的时效性。
特色论文高亮标注
对于领域内影响力较大、创新性较强的最新研究，项目会在新闻板块进行高亮标注，并补充相关开源代码、模型权重、数据集下载地址的关联信息。标注会说明研究的核心贡献方向，比如新的基准测试、新的SOTA模型等，帮助用户快速筛选高价值研究，不需要逐一打开论文摘要判断研究相关性。高亮标注会保留所有项目更新历史，用户可以按时间线梳理领域发展的关键节点。
自有研究成果同步更新
项目维护团队自身在代码大语言模型方向的最新研究成果，也会同步在该项目的新闻板块更新，附带论文链接、开源代码地址和预训练模型下载入口。所有公开的成果都经过完整的实验验证，部分成果已经取得了当前领域的SOTA结果，比如多语言代码嵌入模型在十余个公开基准测试上刷新了纪录。用户可以直接通过该项目获取维护团队最新的研究产出，不需要单独搜索查询。
领域综述官方配套索引
该项目是领域全景综述论文的官方配套归档，综述论文从NLP与软件工程交叉的统一视角梳理了整个领域的发展脉络，总结了当前研究的核心挑战和未来方向。归档中的所有文献都对应综述中提到的研究方向，可以和综述论文配合阅读，帮助用户快速建立完整的领域知识体系，避免碎片化阅读导致的知识结构混乱。综述本身已经被权威机器学习期刊接收，内容的学术质量和完整性有保障。
关键词检索定位文献
整个归档内容基于纯文本文件搭建，支持GitHub原生的站内关键词搜索，用户可以直接搜索研究方向、模型名称、会议名称等关键词，快速定位到目标文献。不需要额外搭建搜索服务，任何用户都可以直接使用搜索功能，没有使用门槛。对于特定方向的调研，关键词检索可以在数秒内返回该方向所有已收录的研究，比通用学术搜索引擎的结果更聚焦、更精准。
开源协作更新机制
项目接受社区开发者和研究者提交的Pull Request，任何用户都可以补充遗漏的最新研究，修正分类错误的文献内容。这种协作机制保证了归档内容的完整性，避免了维护团队自身信息遗漏导致的文献缺失。社区贡献的内容经过维护团队审核后即可合并到主分支，整个流程公开透明，保证归档内容持续覆盖领域最新研究成果。
项目地址：https://github.com/codefuse-ai/Awesome-Code-LLM
⭐ Stars：3441
🔍 来源：GitHub
[TMLR] A curated list of language modeling researches for code (and other software engineering activities), plus related datasets.
微信扫一扫，打赏作者吧～
