RRepoGEO

REPOGEO 报告 · LITE

935963004/LaBraM

默认分支 main · commit c431221e · 扫描时间 2026/6/9 15:23:06

星标 624 · Fork 113

AI 可见性总分
35 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 935963004/LaBraM 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • hightopics#1
    Add specific topics for EEG, BCI, and foundation models

    原因：

    复制粘贴的修复
    eeg, bci, brain-computer-interface, foundation-model, large-brain-model, deep-learning, representation-learning, iclr-2024
  • highreadme#2
    Reposition the README's opening to clearly state the project's domain and purpose

    原因：

    当前
    # LaBraM

Official implementation of our ICLR 2024 paper:
**Large Brain Model for Learning Generic Representations with Tremendous EEG Data in BCI**

## Abstract
    复制粘贴的修复
    # LaBraM: A Large Brain Model for EEG and BCI

LaBraM is a foundation model specifically designed for learning generic representations from electroencephalogram (EEG) data across various brain-computer interface (BCI) applications. This repository provides the official implementation of our ICLR 2024 paper:
**Large Brain Model for Learning Generic Representations with Tremendous EEG Data in BCI**

## Abstract
  • mediumhomepage#3
    Update homepage link to the paper's abstract page instead of direct PDF

    原因：

    当前
    https://openreview.net/pdf?id=QzTpTRVtr
    复制粘贴的修复
    https://openreview.net/forum?id=QzTpTRVtr

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 935963004/LaBraM
平均排名
—
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中，你占了多少？
头号对手
Braindecode
在 2 个问题中被推荐 1 次
竞品排行
  1. Braindecode · 被推荐 1 次
  2. MNE-Python · 被推荐 1 次
  3. PyTorch · 被推荐 1 次
  4. TensorFlow · 被推荐 1 次
  5. Hugging Face Transformers · 被推荐 1 次
  • 品类问题
    How to pre-train a universal model for various EEG signal processing tasks?
    你：未被推荐
    AI 推荐顺序：
    1. Braindecode
    2. MNE-Python
    3. PyTorch
    4. TensorFlow
    5. Hugging Face Transformers
    6. SimCLR
    7. MoCo
    8. BYOL
    9. VAEs
    10. Denoising Autoencoders
    11. Perceiver IO
    12. Gato

    AI 推荐了 12 个替代方案，却始终没点名 935963004/LaBraM。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    Seeking a foundation model to handle diverse EEG datasets for brain-computer interface applications.
    你：未被推荐
    AI 推荐顺序：
    1. Braindecode (braindecode/braindecode)
    2. MNE-Python (mne-tools/mne-python)
    3. TensorFlow (tensorflow/tensorflow)
    4. PyTorch (pytorch/pytorch)
    5. EEG-DL (eeg-dl/eeg-dl)
    6. Hugging Face Transformers (huggingface/transformers)
    7. OpenBCI GUI (OpenBCI/OpenBCI_GUI)
    8. BCI2000 (bci2000/bci2000)

    AI 推荐了 8 个替代方案，却始终没点名 935963004/LaBraM。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议：

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of 935963004/LaBraM?
    pass
    AI 明确点名了 935963004/LaBraM

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts 935963004/LaBraM in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 935963004/LaBraM

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo 935963004/LaBraM solve, and who is the primary audience?
    pass
    AI 明确点名了 935963004/LaBraM

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 935963004/LaBraM 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/935963004/LaBraM.svg)](https://repogeo.com/zh/r/935963004/LaBraM)
HTML
<a href="https://repogeo.com/zh/r/935963004/LaBraM"><img src="https://repogeo.com/badge/935963004/LaBraM.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

935963004/LaBraM — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3