RRepoGEO

REPOGEO 报告 · LITE

qlabs-eng/slowrun

默认分支 main · commit 98557a17 · 扫描时间 2026/6/19 09:28:21

星标 500 · Fork 75

AI 可见性总分
28 /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
2 / 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 qlabs-eng/slowrun 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

2 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
  • highabout#1
    Update the About description to explicitly state its purpose

    原因：

    当前
    100M tokens. Infinite compute. Lowest val loss wins.
    复制粘贴的修复
    A benchmark for language modeling algorithms, focusing on achieving the lowest validation loss on 100M FineWeb tokens with ample compute, contrasting with speed-optimized training.
  • mediumreadme#2
    Reinforce the core purpose in the README's opening statement

    原因：

    当前
    # NanoGPT Slowrun

NanoGPT Slowrun is a new benchmark for language modeling algorithms in the infinite compute, fixed data regime: 100M tokens from FineWeb, no compute/time limit, lowest validation loss wins.[^1]
    复制粘贴的修复
    # NanoGPT Slowrun

NanoGPT Slowrun is a novel benchmark specifically designed for **language modeling algorithms**. It focuses on the infinite compute, fixed data regime: 100M tokens from FineWeb, no compute/time limit, where the goal is the lowest validation loss.[^1]

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 qlabs-eng/slowrun
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
Llama 3
在 2 个问题中被推荐 1 次
竞品排行
  1. Llama 3 · 被推荐 1 次
  2. GPT-4 · 被推荐 1 次
  3. Mistral Large · 被推荐 1 次
  4. LoRA · 被推荐 1 次
  5. QLoRA · 被推荐 1 次
  • 品类问题
    How to achieve lowest validation loss on language models with ample compute?
    你：未被推荐
    AI 推荐顺序：
    1. Llama 3
    2. GPT-4
    3. Mistral Large
    4. LoRA
    5. QLoRA
    6. T5
    7. GPT-3.5
    8. Llama 2
    9. Hugging Face Transformers (huggingface/transformers)
    10. AdamW
    11. AdaFactor
    12. Lion
    13. PyTorch (pytorch/pytorch)
    14. TensorFlow (tensorflow/tensorflow)
    15. NVIDIA's Apex (NVIDIA/apex)
    16. DeepSpeed (microsoft/DeepSpeed)
    17. FSDP
    18. Megatron-LM (NVIDIA/Megatron-LM)
    19. Optuna (optuna/optuna)
    20. Weights & Biases Sweeps (wandb/wandb)
    21. Ray Tune (ray-project/ray)

    AI 推荐了 21 个替代方案，却始终没点名 qlabs-eng/slowrun。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    Benchmarking language model training for maximum learning on a fixed dataset?
    你：未被推荐
    AI 推荐顺序：
    1. Weights & Biases
    2. MLflow
    3. Comet ML
    4. TensorBoard
    5. PyTorch Lightning
    6. Hugging Face Transformers
    7. Optuna
    8. Ray Tune

    AI 推荐了 8 个替代方案，却始终没点名 qlabs-eng/slowrun。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 qlabs-eng/slowrun?
    pass
    AI 未点名 qlabs-eng/slowrun —— 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 qlabs-eng/slowrun in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 qlabs-eng/slowrun

    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 qlabs-eng/slowrun solve, and who is the primary audience?
    pass
    AI 明确点名了 qlabs-eng/slowrun

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

订阅 Pro，解锁深度诊断

qlabs-eng/slowrun — 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