RRepoGEO

REPOGEO 报告 · LITE

tanishqkumar/ssd

默认分支 main · commit d7eb8fa0 · 扫描时间 2026/6/4 01:13:32

星标 939 · Fork 70

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 tanishqkumar/ssd 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
  • highreadme#1
    Add an explicit disambiguation for "SSD" in the README's opening

    原因：

    当前
    The current README does not explicitly state it is *not* an object detection project.
    复制粘贴的修复
    Add a sentence immediately after the main title, such as: "This project focuses on Speculative Speculative Decoding (SSD) for Large Language Model (LLM) inference, *not* Single Shot MultiBox Detector for computer vision."
  • mediumreadme#2
    Reorder README content to immediately highlight the project's core purpose

    原因：

    当前
    The current README places a Borges quote before the core statement "SSD is a new LLM inference algorithm."
    复制粘贴的修复
    Move the sentence "**SSD is a new LLM inference algorithm. It is exact, and it is extremely fast.**" to appear immediately after the main `<h1>` title and paper link, before any quotes or further introductory text.

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 tanishqkumar/ssd
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
DeepSpeed
在 2 个问题中被推荐 2 次
竞品排行
  1. DeepSpeed · 被推荐 2 次
  2. Megatron-LM · 被推荐 2 次
  3. Google's Speculative Decoding · 被推荐 1 次
  4. Medusa · 被推荐 1 次
  5. Lookahead Decoding · 被推荐 1 次
  • 品类问题
    How to speed up large language model inference using advanced speculative decoding techniques?
    你：未被推荐
    AI 推荐顺序：
    1. Google's Speculative Decoding
    2. Medusa
    3. Lookahead Decoding
    4. DistilSpec
    5. Block-Recurrent Autoregressive (BRA) Decoding
    6. Self-Speculative Decoding

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

    查看 AI 完整回答
  • 品类问题
    What are the best methods for parallelizing LLM inference to reduce token generation latency?
    你：未被推荐
    AI 推荐顺序：
    1. DeepSpeed
    2. Megatron-LM
    3. DeepSpeed
    4. Megatron-LM
    5. Hugging Face Transformers
    6. T5X
    7. JAX
    8. vLLM
    9. NVIDIA Triton Inference Server
    10. Hugging Face Optimum
    11. NVIDIA TensorRT-LLM
    12. PyTorch DistributedDataParallel
    13. Hugging Face Accelerate

    AI 推荐了 13 个替代方案，却始终没点名 tanishqkumar/ssd。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 tanishqkumar/ssd?
    pass
    AI 明确点名了 tanishqkumar/ssd

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

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

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

订阅 Pro，解锁深度诊断

tanishqkumar/ssd — 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