RRepoGEO

REPOGEO 报告 · LITE

hkust-nlp/deita

默认分支 main · commit b279f2c3 · 扫描时间 2026/6/6 13:13:11

星标 596 · Fork 35

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 hkust-nlp/deita 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
    Reposition the README's opening sentence to specify Deita's core function

    原因：

    当前
    Welcome to Deita (**D**ataE**fficient **I**nstruction **T**uning for **A**lignment) Project!
    复制粘贴的修复
    Deita is an open-source toolkit for **automatic data selection and generation** for instruction tuning in Large Language Models (LLMs), enabling data-efficient alignment.
  • mediumtopics#2
    Add more specific topics for automatic data selection and generation

    原因：

    当前
    alignment, data-centric, instruction-tuning, large-language-models
    复制粘贴的修复
    alignment, data-centric, instruction-tuning, large-language-models, automatic-data-selection, synthetic-data, data-generation
  • mediumhomepage#3
    Add the paper link as the repository's homepage

    原因：

    复制粘贴的修复
    https://arxiv.org/abs/2312.15685

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 hkust-nlp/deita
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
LoRA
在 2 个问题中被推荐 1 次
竞品排行
  1. LoRA · 被推荐 1 次
  2. huggingface/peft · 被推荐 1 次
  3. QLoRA · 被推荐 1 次
  4. microsoft/DeepSpeed · 被推荐 1 次
  5. OpenAccess-AI-Collective/axolotl · 被推荐 1 次
  • 品类问题
    How to efficiently fine-tune large language models for better alignment with less data?
    你：未被推荐
    AI 推荐顺序：
    1. LoRA
    2. Hugging Face PEFT (huggingface/peft)
    3. QLoRA
    4. DeepSpeed (microsoft/DeepSpeed)
    5. Axolotl (OpenAccess-AI-Collective/axolotl)
    6. RLHF
    7. PPO
    8. Hugging Face TRL (huggingface/trl)
    9. DPO

    AI 推荐了 9 个替代方案，却始终没点名 hkust-nlp/deita。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What tools help select high-quality instruction tuning data for large language models?
    你：未被推荐
    AI 推荐顺序：
    1. Argilla (argilla-io/argilla)
    2. Snorkel Flow
    3. Cleanlab (cleanlab/cleanlab)
    4. Galileo
    5. Label Studio (heartexlabs/label-studio)
    6. OpenAI Evals (openai/evals)
    7. Humanloop

    AI 推荐了 7 个替代方案，却始终没点名 hkust-nlp/deita。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 hkust-nlp/deita?
    pass
    AI 明确点名了 hkust-nlp/deita

    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 hkust-nlp/deita in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 hkust-nlp/deita

    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 hkust-nlp/deita solve, and who is the primary audience?
    pass
    AI 明确点名了 hkust-nlp/deita

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

订阅 Pro，解锁深度诊断

hkust-nlp/deita — 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