RRepoGEO

REPOGEO 报告 · LITE

zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP

默认分支 main · commit 52950a7a · 扫描时间 2026/6/10 12:18:33

星标 780 · Fork 40

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
15 /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
0 / 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 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP 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 opening to clarify it's a research paper list

    原因：

    当前
    A curated list of prompt/adapter learning methods for vision-language models (e.g., CLIP, ALIGN).
    复制粘贴的修复
    A curated list of **research papers** on prompt/adapter learning methods for vision-language models (e.g., CLIP, ALIGN).
  • mediumtopics#2
    Add topics clarifying the repo's nature as a curated list

    原因：

    当前
    adapter-learning, few-shot-classifcation, few-shot-learning, paper-list, prompt-learning, vision-language-model, zero-shot-learning
    复制粘贴的修复
    adapter-learning, awesome-list, few-shot-classifcation, few-shot-learning, paper-list, prompt-learning, research-papers, vision-language-model, zero-shot-learning
  • mediumhomepage#3
    Add a homepage URL to the repository metadata

    原因：

    复制粘贴的修复
    Add the URL of a related project page, a primary publication, or the GitHub repository itself (e.g., `https://github.com/zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP`) to the 'Homepage' field in the repository settings.

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 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP
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
OpenAI CLIP
在 2 个问题中被推荐 1 次
竞品排行
  1. OpenAI CLIP · 被推荐 1 次
  2. OpenCLIP · 被推荐 1 次
  3. Google FLAN-T5 · 被推荐 1 次
  4. FLAN-PaLM · 被推荐 1 次
  5. FLAN-UL2 · 被推荐 1 次
  • 品类问题
    How to enhance vision-language model performance using few-shot learning techniques?
    你：未被推荐
    AI 推荐顺序：
    1. OpenAI CLIP
    2. OpenCLIP
    3. Google FLAN-T5
    4. FLAN-PaLM
    5. FLAN-UL2
    6. Meta LLaMA
    7. Alpaca
    8. Vicuna
    9. LLaVA
    10. Meta DINO
    11. DINOv2
    12. Hugging Face PEFT library
    13. Google PaLM-E

    AI 推荐了 13 个替代方案，却始终没点名 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are effective prompt and adapter learning strategies for vision-language models?
    你：未被推荐
    AI 推荐顺序：
    1. CoOp
    2. CoCoOp
    3. LoRA
    4. Prefix-Tuning
    5. Houlsby Adapters
    6. Compacter
    7. VL-Adapter
    8. Tip-Adapter

    AI 推荐了 8 个替代方案，却始终没点名 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP。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 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP?
    pass
    AI 未点名 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP —— 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 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP in production, what risks or prerequisites should they evaluate first?
    pass
    AI 未点名 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP —— 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？

  • In one sentence, what problem does the repo zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP solve, and who is the primary audience?
    pass
    AI 未点名 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP —— 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 zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP 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/zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP.svg)](https://repogeo.com/zh/r/zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP)
HTML
<a href="https://repogeo.com/zh/r/zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP"><img src="https://repogeo.com/badge/zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP — 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