RRepoGEO

REPOGEO 报告 · LITE

LianjiaTech/BELLE

默认分支 main · commit 645084d3 · 扫描时间 2026/6/28 11:26:52

星标 8,271 · Fork 761

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
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 LianjiaTech/BELLE 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 more specific topics for Chinese LLM, ASR, and multimodal capabilities

    原因:

    当前
    bloom, chinese-nlp, gpt-evaluation, gpt-q, instruct-finetune, instruct-gpt, instruction-set, llama, lora, open-models
    复制粘贴的修复
    bloom, chinese-nlp, gpt-evaluation, gpt-q, instruct-finetune, instruct-gpt, instruction-set, llama, lora, open-models, chinese-llm, large-language-model, speech-recognition, asr, multimodal-llm, instruction-tuning
  • mediumhomepage#2
    Add a homepage URL to the repository settings

    原因:

    复制粘贴的修复
    https://huggingface.co/BelleGroup
  • lowreadme#3
    Briefly mention ASR and multimodal capabilities in the README's opening

    原因:

    当前
    本项目的目标是促进中文对话大模型开源社区的发展,愿景是成为能够帮到每一个人的LLM Engine。相比如何做好大语言模型的预训练,BELLE更关注如何在开源预训练大语言模型的基础上,帮助每一个人都能够得到一个属于自己的、效果尽可能好的具有指令表现能力的语言模型,降低大语言模型、特别是中文大语言模型的研究和应用门槛。为此,BELLE项目会持续开放指令训练数据、相关模型、训练代码、应用场景等,也会持续评估不同训练数据、训练算法等对模型表现的影响。BELLE针对中文做了优化,模型调优仅使用由ChatGPT生产的数据(不包含任何其他数据)。
    复制粘贴的修复
    本项目的目标是促进中文对话大模型开源社区的发展,愿景是成为能够帮到每一个人的LLM Engine。BELLE致力于在开源预训练大语言模型的基础上,帮助每一个人都能够得到一个属于自己的、效果尽可能好的具有指令表现能力的语言模型,降低大语言模型、特别是中文大语言模型的研究和应用门槛。为此,BELLE项目会持续开放指令训练数据、相关模型、训练代码、应用场景等,也会持续评估不同训练数据、训练算法等对模型表现的影响。BELLE针对中文做了优化,模型调优仅使用由ChatGPT生产的数据(不包含任何其他数据),并持续扩展到语音识别(ASR)和多模态大语言模型领域。

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 LianjiaTech/BELLE
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
Baichuan 2
在 2 个问题中被推荐 1 次
竞品排行
  1. Baichuan 2 · 被推荐 1 次
  2. Qwen · 被推荐 1 次
  3. ChatGLM3 · 被推荐 1 次
  4. InternLM2 · 被推荐 1 次
  5. Yi · 被推荐 1 次
  • 品类问题
    Looking for an open-source large language model engine optimized for Chinese instruction tuning.
    你:未被推荐
    AI 推荐顺序:
    1. Baichuan 2
    2. Qwen
    3. ChatGLM3
    4. InternLM2
    5. Yi

    AI 推荐了 5 个替代方案,却始终没点名 LianjiaTech/BELLE。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    How can I build a custom instruction-following Chinese language model with open-source tools?
    你:未被推荐
    AI 推荐顺序:
    1. Hugging Face Transformers
    2. Hugging Face Datasets
    3. PyTorch
    4. TensorFlow
    5. LoRA (Low-Rank Adaptation)
    6. QLoRA
    7. peft
    8. DeepSpeed
    9. FSDP (Fully Sharded Data Parallel)
    10. WandB (Weights & Biases)
    11. MLflow
    12. FastChat
    13. vLLM
    14. Label Studio
    15. Doccano

    AI 推荐了 15 个替代方案,却始终没点名 LianjiaTech/BELLE。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 LianjiaTech/BELLE?
    pass
    AI 明确点名了 LianjiaTech/BELLE

    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 LianjiaTech/BELLE in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 LianjiaTech/BELLE

    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 LianjiaTech/BELLE solve, and who is the primary audience?
    pass
    AI 明确点名了 LianjiaTech/BELLE

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

订阅 Pro,解锁深度诊断

LianjiaTech/BELLE — 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