RRepoGEO

REPOGEO 报告 · LITE

xiyuanzh/awesome-llm-time-series

默认分支 main · commit f6bd79cb · 扫描时间 2026/5/31 09:13:20

星标 517 · Fork 33

AI 可见性总分
17 /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 0 · 失败 1
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 xiyuanzh/awesome-llm-time-series 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 README H1 to clarify project type

    原因：

    当前
    # awesome-llm-time-series
    复制粘贴的修复
    # awesome-llm-time-series: A Curated List and Survey of Large Language Models for Time Series Analysis
  • hightopics#2
    Add relevant topics to improve categorization

    原因：

    复制粘贴的修复
    awesome-list, llm, time-series, machine-learning, deep-learning, survey, research, papers, datasets, models
  • mediumlicense#3
    Add a LICENSE file or clarify license in README

    原因：

    当前
    (no LICENSE file detected — the repo has no recognizable license)
    复制粘贴的修复
    Create a LICENSE file in the repository root, or add a clear statement about the applicable license(s) directly in the README, for example: 'This project is licensed under the [License Name] - see the LICENSE.md file for details.'

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 xiyuanzh/awesome-llm-time-series
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
Anthropic Claude 3
在 2 个问题中被推荐 2 次
竞品排行
  1. Anthropic Claude 3 · 被推荐 2 次
  2. Google Gemini · 被推荐 2 次
  3. huggingface/transformers · 被推荐 2 次
  4. OpenAI GPT-4/GPT-3.5 Turbo · 被推荐 1 次
  5. Llama 3 · 被推荐 1 次
  • 品类问题
    How can I leverage large language models for analyzing time series data effectively?
    你：未被推荐
    AI 推荐顺序：
    1. OpenAI GPT-4/GPT-3.5 Turbo
    2. Anthropic Claude 3
    3. Google Gemini
    4. Hugging Face Transformers (huggingface/transformers)
    5. Llama 3
    6. Mistral Large

    AI 推荐了 6 个替代方案，却始终没点名 xiyuanzh/awesome-llm-time-series。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are the best techniques for integrating large language models with time series forecasting?
    你：未被推荐
    AI 推荐顺序：
    1. OpenAI GPT-4
    2. Anthropic Claude 3
    3. Google Gemini
    4. OpenAI Embeddings
    5. Google Universal Sentence Encoder
    6. Hugging Face `sentence-transformers` (UKP-SQuARE/sentence-transformers)
    7. LightGBM (microsoft/LightGBM)
    8. XGBoost (dmlc/xgboost)
    9. Prophet (facebook/prophet)
    10. N-BEATS (ServiceNow/N-BEATS)
    11. DeepAR
    12. LLaMA-2 (facebookresearch/llama)
    13. Falcon
    14. Mistral (mistralai/mistral-src)
    15. T5 (google-research/text-to-text-transfer-transformer)
    16. GPT-2 (openai/gpt-2)
    17. Hugging Face Transformers (huggingface/transformers)
    18. `peft` (huggingface/peft)
    19. AutoGluon (awslabs/autogluon)
    20. PyTorch Forecasting (jdb78/pytorch-forecasting)
    21. GluonTS (awslabs/gluon-ts)
    22. Temporal Fusion Transformer (TFT) (google-research/tft)
    23. ARIMA
    24. Exponential Smoothing

    AI 推荐了 24 个替代方案，却始终没点名 xiyuanzh/awesome-llm-time-series。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
    fail

    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 xiyuanzh/awesome-llm-time-series?
    pass
    AI 未点名 xiyuanzh/awesome-llm-time-series —— 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 xiyuanzh/awesome-llm-time-series in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 xiyuanzh/awesome-llm-time-series

    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 xiyuanzh/awesome-llm-time-series solve, and who is the primary audience?
    pass
    AI 未点名 xiyuanzh/awesome-llm-time-series —— 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 xiyuanzh/awesome-llm-time-series 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/xiyuanzh/awesome-llm-time-series.svg)](https://repogeo.com/zh/r/xiyuanzh/awesome-llm-time-series)
HTML
<a href="https://repogeo.com/zh/r/xiyuanzh/awesome-llm-time-series"><img src="https://repogeo.com/badge/xiyuanzh/awesome-llm-time-series.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

xiyuanzh/awesome-llm-time-series — 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