RRepoGEO

REPOGEO 报告 · LITE

levy-tech-spark/AViD

默认分支 master · commit 6944d164 · 扫描时间 2026/6/5 06:33:27

星标 600 · Fork 93

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 levy-tech-spark/AViD 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 relevant topics to the repository

    原因:

    复制粘贴的修复
    vision-language-models, grounding-dino, fine-tuning, parameter-efficient-fine-tuning, lora, computer-vision, nlp, deep-learning
  • highreadme#2
    Strengthen the README's opening sentence to clarify its core purpose

    原因:

    当前
    A streamlined toolkit for fine-tuning state-of-the-art vision-language detection models with parameter-efficient adaptation. Built on Grounding DINO with LoRA support and EMA stabilization.
    复制粘贴的修复
    AViD is a dedicated framework for fine-tuning state-of-the-art vision-language grounding models, specifically extending Grounding DINO with parameter-efficient adaptation (LoRA) and EMA stabilization for custom datasets.
  • mediumhomepage#3
    Add a homepage URL to the repository

    原因:

    复制粘贴的修复
    [Link to a relevant project page, documentation, or demo if available, otherwise consider creating one]

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 levy-tech-spark/AViD
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
Hugging Face Transformers
在 2 个问题中被推荐 1 次
竞品排行
  1. Hugging Face Transformers · 被推荐 1 次
  2. PEFT · 被推荐 1 次
  3. Accelerate · 被推荐 1 次
  4. PyTorch Lightning · 被推荐 1 次
  5. OpenCLIP · 被推荐 1 次
  • 品类问题
    How to fine-tune vision-language grounding models on custom datasets efficiently?
    你:未被推荐
    AI 推荐顺序:
    1. Hugging Face Transformers
    2. PEFT
    3. Accelerate
    4. PyTorch Lightning
    5. OpenCLIP
    6. MMDetection
    7. MMYOLO
    8. MMTracking
    9. DeepSpeed
    10. TensorFlow
    11. Keras
    12. Keras-CV
    13. Keras-NLP

    AI 推荐了 13 个替代方案,却始终没点名 levy-tech-spark/AViD。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What frameworks enable parameter-efficient adaptation for large vision-language models?
    你:未被推荐
    AI 推荐顺序:
    1. PEFT (huggingface/peft)
    2. OpenDelta (thunlp/OpenDelta)
    3. LoRA
    4. AdapterHub (Adapter-Hub/AdapterHub)
    5. UniPELT (microsoft/UniPELT)

    AI 推荐了 5 个替代方案,却始终没点名 levy-tech-spark/AViD。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 levy-tech-spark/AViD?
    pass
    AI 明确点名了 levy-tech-spark/AViD

    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 levy-tech-spark/AViD in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 levy-tech-spark/AViD

    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 levy-tech-spark/AViD solve, and who is the primary audience?
    pass
    AI 明确点名了 levy-tech-spark/AViD

    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 levy-tech-spark/AViD 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/levy-tech-spark/AViD.svg)](https://repogeo.com/zh/r/levy-tech-spark/AViD)
HTML
<a href="https://repogeo.com/zh/r/levy-tech-spark/AViD"><img src="https://repogeo.com/badge/levy-tech-spark/AViD.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro,解锁深度诊断

levy-tech-spark/AViD — 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