RRepoGEO

REPOGEO 报告 · LITE

AmberLJC/LLMSys-PaperList

默认分支 main · commit 9f1a2944 · 扫描时间 2026/6/23 09:58:15

星标 2,145 · Fork 111

本仓库扫描历史

下方为分数趋势（含全部就绪扫描；左旧右新，可横向滚动）。表格明细默认折叠，展开后每页 10 条，最新在上。

分数趋势（左 → 右：旧 → 新）

共 2 条就绪扫描。点击下方按钮展开表格（每页 10 条，可翻页）。

AI 可见性总分
17 /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 0 · 失败 1
客观元数据检查
AI 认识你的名字
1 / 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 AmberLJC/LLMSys-PaperList 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 relevant topics to the repository

    原因：

    复制粘贴的修复
    llm, large-language-models, llm-systems, machine-learning-systems, research-papers, academic-papers, awesome-list, deep-learning, ai-systems, paper-list
  • highlicense#2
    Add a LICENSE file

    原因：

    当前
    (no LICENSE file detected — the repo has no recognizable license)
    复制粘贴的修复
    Add a LICENSE file with the MIT License to clarify usage rights for the repository's content and structure.
  • mediumhomepage#3
    Set the repository homepage URL

    原因：

    复制粘贴的修复
    https://github.com/AmberLJC/LLMSys-PaperList

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 AmberLJC/LLMSys-PaperList
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
Awesome-LLM
在 2 个问题中被推荐 1 次
竞品排行
  1. Awesome-LLM · 被推荐 1 次
  2. Papers with Code · 被推荐 1 次
  3. Stanford CRFM · 被推荐 1 次
  4. LLM-Recap · 被推荐 1 次
  5. Hugging Face · 被推荐 1 次
  • 品类问题
    Where can I find a curated list of academic papers on large language model systems?
    你：未被推荐
    AI 推荐顺序：
    1. Awesome-LLM
    2. Papers with Code
    3. Stanford CRFM
    4. LLM-Recap
    5. Hugging Face
    6. arXiv

    AI 推荐了 6 个替代方案，却始终没点名 AmberLJC/LLMSys-PaperList。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are the system design challenges for efficiently training and serving large language models?
    你：未被推荐
    AI 推荐顺序：
    1. NVIDIA DGX SuperPOD
    2. Google Cloud TPUs
    3. Microsoft Azure ND-series VMs
    4. AWS EC2 P4d/P5 instances
    5. NVIDIA Triton Inference Server (triton-inference-server/server)
    6. vLLM (vllm-project/vllm)
    7. TensorRT-LLM (NVIDIA/TensorRT-LLM)
    8. DeepSpeed-MII (microsoft/DeepSpeed-MII)
    9. Hugging Face Optimum (huggingface/optimum)
    10. ONNX Runtime (microsoft/onnxruntime)
    11. Intel OpenVINO (openvinotoolkit/openvino)
    12. NVIDIA TensorRT (NVIDIA/TensorRT)
    13. bitsandbytes (TimDettmers/bitsandbytes)
    14. PyTorch FSDP
    15. DeepSpeed (microsoft/DeepSpeed)
    16. Megatron-LM (NVIDIA/Megatron-LM)
    17. Ray Serve (ray-project/ray)
    18. Kubernetes (kubernetes/kubernetes)
    19. KubeFlow (kubeflow/kubeflow)
    20. Apache Arrow (apache/arrow)
    21. Parquet
    22. NVIDIA DALI (NVIDIA/DALI)
    23. TensorFlow Data
    24. AWS EC2 Spot
    25. Google Cloud Preemptible VMs
    26. Azure Spot VMs
    27. Slurm (SchedMD/slurm)

    AI 推荐了 27 个替代方案，却始终没点名 AmberLJC/LLMSys-PaperList。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
    fail

    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 AmberLJC/LLMSys-PaperList?
    pass
    AI 未点名 AmberLJC/LLMSys-PaperList —— 很可能在说另一个项目

    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 AmberLJC/LLMSys-PaperList in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 AmberLJC/LLMSys-PaperList

    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 AmberLJC/LLMSys-PaperList solve, and who is the primary audience?
    pass
    AI 未点名 AmberLJC/LLMSys-PaperList —— 很可能在说另一个项目

    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 AmberLJC/LLMSys-PaperList 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/AmberLJC/LLMSys-PaperList.svg)](https://repogeo.com/zh/r/AmberLJC/LLMSys-PaperList)
HTML
<a href="https://repogeo.com/zh/r/AmberLJC/LLMSys-PaperList"><img src="https://repogeo.com/badge/AmberLJC/LLMSys-PaperList.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

AmberLJC/LLMSys-PaperList — 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