RRepoGEO

REPOGEO 报告 · LITE

llm2014/llm_benchmark

默认分支 main · commit 5f0da23b · 扫描时间 2026/5/22 08:43:14

星标 1,149 · Fork 9

本仓库扫描历史

下方为分数趋势（含全部就绪扫描；左旧右新，可横向滚动）。表格明细默认折叠，展开后每页 10 条，最新在上。

分数趋势（左 → 右：旧 → 新）

共 2 条就绪扫描。点击下方按钮展开表格（每页 10 条，可翻页）。

AI 可见性总分
23 /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
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 llm2014/llm_benchmark 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
    Clarify repo's modern LLM focus and address '2014' in name

    原因：

    当前
    # 大模型测评记录
    复制粘贴的修复
    # llm2014/llm_benchmark: 现代大模型测评记录 (Modern LLM Benchmark Record)

本评测专注于评估和跟踪当前主流大型语言模型（LLMs）在逻辑、数学、编程和人类直觉等方面的长期进化趋势。请注意，'llm2014'是仓库名称的一部分，并非指项目创建于2014年。
  • highabout#2
    Add a concise repository description

    原因：

    复制粘贴的修复
    个人性质的现代大语言模型（LLM）长期跟踪评测，侧重逻辑、数学、编程和人类直觉等复杂能力。

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 llm2014/llm_benchmark
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
MMLU
在 2 个问题中被推荐 2 次
竞品排行
  1. MMLU · 被推荐 2 次
  2. BIG-bench · 被推荐 2 次
  3. HumanEval · 被推荐 2 次
  4. HELM · 被推荐 2 次
  5. GSM8K · 被推荐 1 次
  • 品类问题
    How to benchmark large language models for advanced reasoning and complex problem-solving abilities?
    你：未被推荐
    AI 推荐顺序：
    1. MMLU
    2. GSM8K
    3. BIG-bench
    4. ARC
    5. HumanEval
    6. MATH
    7. HELM

    AI 推荐了 7 个替代方案，却始终没点名 llm2014/llm_benchmark。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What frameworks exist for evaluating LLM instruction following, logic, and mathematical reasoning comprehensively?
    你：未被推荐
    AI 推荐顺序：
    1. HELM
    2. BIG-bench
    3. EleutherAI's LM Evaluation Harness
    4. OpenAI Evals
    5. MMLU
    6. HumanEval

    AI 推荐了 6 个替代方案，却始终没点名 llm2014/llm_benchmark。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 llm2014/llm_benchmark?
    pass
    AI 未点名 llm2014/llm_benchmark —— 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 llm2014/llm_benchmark in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 llm2014/llm_benchmark

    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 llm2014/llm_benchmark solve, and who is the primary audience?
    pass
    AI 明确点名了 llm2014/llm_benchmark

    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 llm2014/llm_benchmark 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/llm2014/llm_benchmark.svg)](https://repogeo.com/zh/r/llm2014/llm_benchmark)
HTML
<a href="https://repogeo.com/zh/r/llm2014/llm_benchmark"><img src="https://repogeo.com/badge/llm2014/llm_benchmark.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

llm2014/llm_benchmark — 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