모델 연구를 깊이 하려면 애플리케이션 수준을 넘어 근본 시스템의 학습 및 최적화 과정을 이해해야 합니다.

모델 연구에 깊이 파고들기 위해서는 단순히 애플리케이션 레벨에 머무를 수 없습니다. 근본적인 시스템들이 어떻게 훈련되고 최적화되는지를 이해해야 합니다.

우연히 LLMSys-PaperList라는, 대규모 모델 시스템 관련 논문들을 세심하게 정리한 모음을 발견했습니다.

이 목록은 2022년부터 2026년의 최신 최고 학회 논문들까지 다루며, 학습(training), 추론(inference), 멀티모달(multimodal) 등 방향별로 분류되어 있습니다.

각 논문에는 출처와 발표 장소가 표시되어 있어 사실상 끊임없이 업데이트되는 문헌 지도 역할을 합니다.

GitHub:
http://github.com/AmberLJC/LLMSys-PaperList
…
학술 논문 외에도 주요 기업들의 기술 보고서, 오픈 소스 학습 및 추론 프레임워크, 관련 강좌, 그리고 DeepSeek, Llama, Qwen 등 주류 모델들에 대한 기술 문서까지 포함하고 있습니다.

만약 대규모 모델과 관련된 연구나 개발을 한다면, 이 목록은 북마크할 가치가 있습니다. 논문을 찾아 헤매는 시간을 엄청나게 절약해 줄 것입니다.