RRepoGEO

REPOGEO 报告 · LITE

ELS-RD/kernl

默认分支 main · commit 0347bec7 · 扫描时间 2026/5/25 12:58:05

星标 1,585 · Fork 99

AI 可见性总分
40 /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 2 · 警告 0 · 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 ELS-RD/kernl 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
  • highreadme#1
    Rephrase README's opening to clarify archived status and historical value

    原因：

    当前
    Kernl is now archived
    复制粘贴的修复
    Kernl is now archived. While active development has ceased, Kernl remains a valuable historical reference for understanding how to run PyTorch transformer models faster on GPU using Triton, and as the origin of the Triton debugger.
  • mediumabout#2
    Update project description to reflect archived status

    原因：

    当前
    Kernl lets you run PyTorch transformer models several times faster on GPU with a single line of code, and is designed to be easily hackable.
    复制粘贴的修复
    Archived: Kernl was an innovative project that demonstrated how to run PyTorch transformer models several times faster on GPU with a single line of code, and served as the origin of the Triton debugger.
  • lowreadme#3
    Add a 'Comparison to Alternatives' section in the README

    原因：

    复制粘贴的修复
    ## Comparison to Alternatives
Kernl was designed as a JIT compiler for PyTorch models on NVIDIA GPUs, offering a simpler, more flexible, and often faster alternative to solutions like `torch.compile` (Dynamo) and `NVIDIA/Torch-TensorRT` by generating highly optimized Triton kernels.

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 ELS-RD/kernl
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
NVIDIA TensorRT
在 2 个问题中被推荐 1 次
竞品排行
  1. NVIDIA TensorRT · 被推荐 1 次
  2. PyTorch `torch.compile` (Dynamo) · 被推荐 1 次
  3. ONNX Runtime · 被推荐 1 次
  4. DeepSpeed Inference · 被推荐 1 次
  5. BetterTransformer · 被推荐 1 次
  • 品类问题
    How can I significantly speed up PyTorch transformer model inference on my GPU?
    你：未被推荐
    AI 推荐顺序：
    1. NVIDIA TensorRT
    2. PyTorch `torch.compile` (Dynamo)
    3. ONNX Runtime
    4. DeepSpeed Inference
    5. BetterTransformer
    6. FlashAttention
    7. xFormers

    AI 推荐了 7 个替代方案，却始终没点名 ELS-RD/kernl。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What tools simplify writing and optimizing custom GPU kernels for deep learning models?
    你：未被推荐
    AI 推荐顺序：
    1. CUDA C++
    2. Triton
    3. TVM
    4. OpenCL C
    5. ROCm
    6. SYCL
    7. JAX

    AI 推荐了 7 个替代方案，却始终没点名 ELS-RD/kernl。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
    pass

  • 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 ELS-RD/kernl?
    pass
    AI 明确点名了 ELS-RD/kernl

    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 ELS-RD/kernl in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 ELS-RD/kernl

    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 ELS-RD/kernl solve, and who is the primary audience?
    pass
    AI 明确点名了 ELS-RD/kernl

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

订阅 Pro，解锁深度诊断

ELS-RD/kernl — 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