LLM推理成本雷达：每日追踪大模型推理优化前沿

GitHub上的llm-inference-cost-radar是由EmonLu维护的开源项目，定位为LLM推理成本优化的"情报雷达"，通过每日自动化机制追踪LLM路由、MoE异构推理等前沿方向，核心功能包括论文追踪、精选汇总、权威来源监控及中文解读，助力降低信息获取成本与技术落地。

LLM应用普及背景下，推理成本成为技术落地关键瓶颈；领域发展迅速，每日大量新论文与技术更新，手动追踪需投入大量时间精力，催生自动化情报工具需求。

核心功能：1.每日论文雷达（从arXiv抓取最新研究）；2.每周精选汇总（筛选重要论文与工程实践）；3.权威来源监控（覆盖NVIDIA、PyTorch、vLLM等渠道）；4.中文解读与摘要（降低阅读门槛）。技术架构：通过config/topics.json配置追踪主题，data文件实现去重，scripts脚本执行抓取，GitHub Actions完成每日自动更新。

1.降低信息成本：自动化替代手动追踪，节省时间；2.促进技术落地：关注工程实践（如DeepSpeed、vLLM等工具），助力研究成果转化；3.弥合语言鸿沟：提供中文解读，方便中文开发者接触国际前沿技术。

适合人群：AI基础设施工程师（改进生产系统）、研究者（跟踪学术进展）、技术决策者（评估技术路线）、学习者（构建知识体系）。

作为开源项目，欢迎通过Issue或PR参与内容完善、功能扩展；项目是LLM推理优化领域的知识枢纽，助力工程师与研究者获取洞察，未来这类自动化工具将发挥更重要作用。