RRepoGEO

REPOGEO 报告 · LITE

xiaowu0162/LongMemEval

默认分支 main · commit 9e0b455f · 扫描时间 2026/6/1 23:18:07

星标 817 · Fork 62

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 xiaowu0162/LongMemEval 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
    llm, benchmark, long-term-memory, conversational-ai, nlp, evaluation, chat-assistants, iclr-2025
  • highreadme#2
    Clarify README's opening to emphasize 'benchmark' and 'LLM evaluation'

    原因：

    当前
    We introduce LongMemEval, a comprehensive, challenging, and scalable benchmark for testing the long-term memory of chat assistants.
    复制粘贴的修复
    LongMemEval is a comprehensive, challenging, and scalable benchmark specifically designed for rigorously evaluating the long-term interactive memory capabilities of Large Language Models (LLMs) and chat assistants. It is not a chatbot development framework or tool, but an evaluation suite.
  • mediumhomepage#3
    Add the project homepage URL

    原因：

    复制粘贴的修复
    https://xiaowu0162.github.io/long-mem-eval/

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 xiaowu0162/LongMemEval
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
ConvLab-3
在 2 个问题中被推荐 1 次
竞品排行
  1. ConvLab-3 · 被推荐 1 次
  2. Multi-Session Chat (MSC) Dataset · 被推荐 1 次
  3. ParlAI · 被推荐 1 次
  4. Topical-Chat · 被推荐 1 次
  5. DSTC (Dialogue System Technology Challenges) Tracks · 被推荐 1 次
  • 品类问题
    What are the best benchmarks for evaluating large language model long-term conversational memory?
    你：未被推荐
    AI 推荐顺序：
    1. ConvLab-3
    2. Multi-Session Chat (MSC) Dataset
    3. ParlAI
    4. Topical-Chat
    5. DSTC (Dialogue System Technology Challenges) Tracks
    6. Personalization in Dialogue (PiD) Dataset

    AI 推荐了 6 个替代方案，却始终没点名 xiaowu0162/LongMemEval。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    How can I test a chatbot's ability to retain information across many user interactions?
    你：未被推荐
    AI 推荐顺序：
    1. Rasa X (RasaHQ/rasa-x)
    2. Botpress (botpress/botpress)
    3. Rasa (RasaHQ/rasa)
    4. Botium (botium/botium-core)
    5. pytest (pytest-dev/pytest)
    6. Jest (facebook/jest)
    7. Microsoft Bot Framework Emulator (microsoft/botframework-emulator)
    8. JUnit (junit-team/junit5)

    AI 推荐了 8 个替代方案，却始终没点名 xiaowu0162/LongMemEval。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 xiaowu0162/LongMemEval?
    pass
    AI 明确点名了 xiaowu0162/LongMemEval

    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 xiaowu0162/LongMemEval in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 xiaowu0162/LongMemEval

    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 xiaowu0162/LongMemEval solve, and who is the primary audience?
    pass
    AI 明确点名了 xiaowu0162/LongMemEval

    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 xiaowu0162/LongMemEval 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/xiaowu0162/LongMemEval.svg)](https://repogeo.com/zh/r/xiaowu0162/LongMemEval)
HTML
<a href="https://repogeo.com/zh/r/xiaowu0162/LongMemEval"><img src="https://repogeo.com/badge/xiaowu0162/LongMemEval.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

xiaowu0162/LongMemEval — 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