llm-paper-daily: ein täglich aktualisierter arXiv-Feed für LLM- und Agent-Forschung

Ein Feed, kein Framework

Das Repository ist in erster Linie eine kuratierte Liste. Die README beschreibt es als Plattform für tägliche Updates und Kategorisierung von LLM- und Agent-Papers, jeweils mit arXiv-Adresse, verlinktem GitHub-Repository und einer Zusammenfassung. Wer eine Bibliothek zum Auswerten von Papers erwartet, wird enttäuscht: Die Hauptsprache ist Python, aber der sichtbare Teil des Projekts besteht aus Markdown-Tabellen, einem Feed und einem Subskriptionsablauf. Die Zielgruppe sind Menschen, die den Überblick über einen schnell wachsenden Teilbereich behalten wollen, ohne selbst jeden Tag arXiv abzusuchen. Der Nutzen entsteht durch die Auswahl und die Kürze der Einträge, nicht durch technische Tiefe.

Wie die Tagesliste aufgebaut ist

Die README enthält zwei kommentierte Markierungsblöcke, die offenbar automatisch ersetzt werden: paper-daily:readme:updates:start und paper-daily:readme:months:start. Der erste Block listet die zuletzt aufgenommenen Titel, der zweite erzeugt eine Tabelle nach Monaten, in der jede Zeile Datum, Titel, Institution, eine kurze Zusammenfassung und die Links enthält. Der Status-Badge oben trägt einen Zeitstempel (im Beispiel 09.09 06:13), der mit dem Feld Last push korrespondiert. Aus diesem Aufbau lässt sich ableiten, dass ein Generator die README zwischen den Markierungen neu schreibt. Der eigentliche Datenbestand liegt daneben in feed-papers.json, das die README als öffentliche Datei bezeichnet, aus der die Subskription liest. Wer den Feed maschinell weiterverarbeiten will, sollte also diese Datei als Schnittstelle behandeln und nicht die README parsen, deren Format sich mit jeder Generatoränderung verschieben kann.

Einrichtung über SUBSCRIBE.md statt über ein Skript

Der auffälligste Teil des Projekts ist der Verzicht auf manuelle Konfiguration. Die README gibt einen Textblock vor, den man einem lokalen Agenten wie OpenClaw, Codex oder Claude Code übergibt. Der Block nennt das Repository, verweist auf SUBSCRIBE.md im Wurzelverzeichnis und fordert den Agenten auf, eine lokale Konfiguration anzulegen, den Digest vorab anzuzeigen, einen Cron-Job zu installieren und anschließend Pfad der Konfigurationsdatei, Ausführungszeit, Sprache, Anzahl der Einträge pro Zustellung und das Verifikationsergebnis zu melden. Laut README nutzt der Agent dabei die im Repository enthaltene paper-subscribe Skill und liest ausschließlich die öffentliche feed-papers.json. Das ist ein bewusster Zuschnitt: Die Produktionskette, die Papers abruft und Zusammenfassungen erzeugt, läuft nicht auf der Maschine des Nutzers. Wer keine Agentenwerkzeuge einsetzen will, muss den Ablauf aus SUBSCRIBE.md von Hand nachbauen; die README selbst nennt keine konkreten Kommandozeilenbefehle, und ohne Einsicht in SUBSCRIBE.md lässt sich nicht sagen, welche Konfigurationsschlüssel dort tatsächlich verwendet werden.

Sprache und Tiefe der Zusammenfassungen

Die Einträge sind auf Chinesisch verfasst und folgen einem wiederkehrenden Muster: Institution, Problem, Lösungsansatz, ein Satz zu den Ergebnissen. Bei PlannerForge etwa nennt der Eintrag die Technische Universität München, beschreibt die Zusammenführung fragmentierter Testabläufe und behauptet, das Verfahren übertreffe Scenario Factory 2.0 und BM25 bei der Szenariogenerierung, -suche und -modifikation. Solche Vergleiche stammen aus dem Paper, nicht aus einer eigenen Nachprüfung durch das Repository, und die README kennzeichnet sie nicht als ungeprüft. Für eine erste Orientierung reicht das. Für eine Entscheidung, ob ein Verfahren für die eigene Pipeline taugt, nicht. Der Eintrag zu Moral Competence Before Moral Content zeigt zudem, dass längere Zusammenfassungen gelegentlich Markdown-Strukturen wie Überschriften und Aufzählungen aus dem Paper übernehmen, was die Tabellenspalte schwer lesbar macht. Wer den Feed abonniert, sollte die verlinkten PDFs als eigentliche Quelle behandeln und den Digest als Filter.

Was der Feed nicht leistet

Es gibt keine Releases, und die Lizenz ist nicht angegeben. Das ist der wichtigste offene Punkt. Ohne Lizenz ist unklar, ob und unter welchen Bedingungen die Inhalte weiterverbreitet, in eigene Produkte eingebettet oder in einem kommerziellen Kontext genutzt werden dürfen. Die README räumt selbst ein, dass die Subskription nur die öffentliche feed-papers.json liest. Das begrenzt zwar die Last auf der Infrastruktur des Projekts, sagt aber nichts über die Rechte an den Zusammenfassungen und an den verlinkten Metadaten. Ein zweiter Punkt ist die Aktualität. Der Zeitstempel im Beispiel lautet 2026年09月09日 06:13, der letzte Push liegt laut Repository-Angabe bei 2026-09-09T06:13:56Z. Der Feed hängt also an einem einzelnen Generatorlauf. Fällt der aus, bleibt die Liste stehen, und es gibt keine im Material sichtbare Warnung, die über den Status-Badge hinausgeht. Ein dritter Punkt ist die Abdeckung: Die Themenliste umfasst agent, chatgpt, large-language-models, llm und rag, doch die README beschreibt die Auswahl nicht als systematische Suche, sondern als tägliche Zusammenstellung. Wer Vollständigkeit braucht, ist hier falsch.

Abgrenzung zu Papers with Code und Awesome-Listen

Der naheliegende Vergleich sind kuratierte Awesome-Listen und aggregierende Dienste. Der Unterschied liegt im Rhythmus und in der Rolle des Agenten. Eine Awesome-Liste wird von Hand gepflegt, wächst unregelmäßig und enthält in der Regel keine Tageszusammenfassungen. Ein Aggregator wie Papers with Code verknüpft Papers mit Code und Benchmarks, verlangt aber, dass man sich durch eine Oberfläche oder API bewegt. llm-paper-daily setzt dagegen auf einen täglichen Digest in einer Datei und auf einen Einrichtungsdialog, der an einen lokalen Agenten delegiert wird. Das ist bequemer, aber auch undurchsichtiger: Man erfährt aus der README nicht, nach welchen Kriterien ein Paper aufgenommen wird, und die Qualität der Zusammenfassung hängt am Generator, nicht an einer redaktionellen Prüfung. Wer Zitierungen, Benchmarktabellen oder Code-Verweise braucht, ist bei einem Aggregator mit strukturierten Feldern besser bedient. Wer einfach morgens eine kurze Liste lesen will, spart hier Zeit.

Wartung und Kosten

Auf Nutzerseite ist der Wartungsaufwand gering, solange man den Agenten die Konfiguration verwalten lässt. Zu prüfen ist, wo die Konfigurationsdatei liegt und wann der Cron-Job läuft; beides soll der Agent laut README nach Abschluss melden. Wer den Digest in einem Team verteilen will, muss zusätzlich klären, ob die Weiterleitung der chinesischen Zusammenfassungen zulässig ist, und genau hier schlägt die fehlende Lizenzangabe durch. Auf Projektsseite hängt alles an einem Generator, der README und feed-papers.json schreibt. Ändert sich das Tabellenformat, brechen Werkzeuge, die die README parsen. Die stabile Schnittstelle ist die JSON-Datei. Ein Upgrade-Pfad ist nicht dokumentiert, weil es keine Releases gibt; man folgt dem Branch main.

Redaktionelles Fazit

Wer einen schlanken, täglich aktualisierten Überblick über LLM- und Agent-Papers sucht und bereit ist, sich auf chinesischsprachige Zusammenfassungen zu stützen, findet hier einen Feed, der sich über SUBSCRIBE.md und die paper-subscribe Skill ohne eigene Pipeline anbinden lässt. Wer eine rechtlich abgesicherte Grundlage, englische Abstracts oder reproduzierbare Bewertungen braucht, sollte vorher die Lizenzfrage klären und die verlinkten arXiv-PDFs selbst lesen, weil das Repository selbst keine Bewertung liefert und keine Releases veröffentlicht.

Offizielle Quellen

1. Issues
2. README
3. xianshang33/llm-paper-daily on GitHub