RRepoGEO

REPOGEO 报告 · LITE

benedekrozemberczki/awesome-monte-carlo-tree-search-papers

默认分支 master · commit de0d854f · 扫描时间 2026/6/3 17:11:51

星标 704 · Fork 74

AI 可见性总分
22 /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
1 / 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 benedekrozemberczki/awesome-monte-carlo-tree-search-papers 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
    Clarify repo's nature as an 'awesome list' in the README's opening.

    原因:

    当前
    # Awesome Monte Carlo Tree Search Papers.
    复制粘贴的修复
    # Awesome Monte Carlo Tree Search Papers.
    
    This repository is a curated **awesome list** of academic papers on Monte Carlo Tree Search, including links to their implementations. It serves as a focused resource for researchers and practitioners, distinct from general search engines or software libraries.
  • mediumhomepage#2
    Add the repository URL as the homepage.

    原因:

    复制粘贴的修复
    https://github.com/benedekrozemberczki/awesome-monte-carlo-tree-search-papers
  • lowtopics#3
    Add topics that describe the repository's format.

    原因:

    当前
    atari, deep-learning, deep-q-learning, learning, machine-learning, machine-learning-algorithms, monte-carlo, monte-carlo-tree-search, policy-evaluation, policy-gradient, q-learning, reinforcement-learning, reinforcement-learning-agent, reinforcement-learning-algorithms, rl, tree-search
    复制粘贴的修复
    awesome-list, paper-list, curated-list, atari, deep-learning, deep-q-learning, learning, machine-learning, machine-learning-algorithms, monte-carlo, monte-carlo-tree-search, policy-evaluation, policy-gradient, q-learning, reinforcement-learning, reinforcement-learning-agent, reinforcement-learning-algorithms, rl, tree-search

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 benedekrozemberczki/awesome-monte-carlo-tree-search-papers
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
Google Scholar
在 2 个问题中被推荐 1 次
竞品排行
  1. Google Scholar · 被推荐 1 次
  2. arXiv · 被推荐 1 次
  3. GitHub · 被推荐 1 次
  4. OpenAI · 被推荐 1 次
  5. DeepMind · 被推荐 1 次
  • 品类问题
    Where can I find research papers and code for Monte Carlo Tree Search algorithms?
    你:未被推荐
    AI 推荐顺序:
    1. Google Scholar
    2. arXiv
    3. GitHub
    4. OpenAI
    5. DeepMind
    6. AlphaZero-General (applied-ai-lab/AlphaZero-General)
    7. Leela Chess Zero (LC0)
    8. KataGo
    9. ResearchGate
    10. Stanford
    11. MIT
    12. CMU
    13. Medium
    14. Towards Data Science

    AI 推荐了 14 个替代方案,却始终没点名 benedekrozemberczki/awesome-monte-carlo-tree-search-papers。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    Seeking practical implementations of advanced tree search methods for reinforcement learning problems.
    你:未被推荐
    AI 推荐顺序:
    1. Leela Chess Zero
    2. OpenSpiel
    3. MCTS.py
    4. RLlib
    5. Minigo
    6. Gym-MCTS
    7. Acme

    AI 推荐了 7 个替代方案,却始终没点名 benedekrozemberczki/awesome-monte-carlo-tree-search-papers。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 benedekrozemberczki/awesome-monte-carlo-tree-search-papers?
    pass
    AI 未点名 benedekrozemberczki/awesome-monte-carlo-tree-search-papers —— 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 benedekrozemberczki/awesome-monte-carlo-tree-search-papers in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 benedekrozemberczki/awesome-monte-carlo-tree-search-papers

    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 benedekrozemberczki/awesome-monte-carlo-tree-search-papers solve, and who is the primary audience?
    pass
    AI 未点名 benedekrozemberczki/awesome-monte-carlo-tree-search-papers —— 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?

嵌入你的 GEO 徽章

把这个徽章贴进 benedekrozemberczki/awesome-monte-carlo-tree-search-papers 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/benedekrozemberczki/awesome-monte-carlo-tree-search-papers.svg)](https://repogeo.com/zh/r/benedekrozemberczki/awesome-monte-carlo-tree-search-papers)
HTML
<a href="https://repogeo.com/zh/r/benedekrozemberczki/awesome-monte-carlo-tree-search-papers"><img src="https://repogeo.com/badge/benedekrozemberczki/awesome-monte-carlo-tree-search-papers.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro,解锁深度诊断

benedekrozemberczki/awesome-monte-carlo-tree-search-papers — 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
benedekrozemberczki/awesome-monte-carlo-tree-search-papers — RepoGEO 报告