RRepoGEO

REPOGEO 报告 · LITE

WassimTenachi/PhySO

默认分支 main · commit bfbfa88d · 扫描时间 2026/5/16 17:46:48

星标 1,967 · Fork 266

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 3 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
40 /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 2 · 警告 0 · 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 WassimTenachi/PhySO 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 emphasize physical law discovery and physics-informed approach

    原因：

    当前
    Physical symbolic optimization ( $\Phi$-SO ) - A symbolic optimization package built for physics.
    复制粘贴的修复
    PhySO (Physical Symbolic Optimization) is a Python package that leverages deep reinforcement learning and physics-informed constraints to discover interpretable analytical physical laws and equations directly from experimental data.
  • mediumtopics#2
    Add specific topics for physics-informed AI and dimensional analysis

    原因：

    当前
    deep-learning, equation-discovery, machine-learning, physics, python, reinforcement-learning, symbolic-regression
    复制粘贴的修复
    deep-learning, dimensional-analysis, equation-discovery, machine-learning, physics, physics-informed-ai, python, reinforcement-learning, symbolic-regression
  • lowreadme#3
    Update 'What's New' section with current or past release information

    原因：

    当前
    What's New ✨  **2025-08** : 📦 Install via `pip install physo` and `conda` now available!  **2025-07** : 🐍 Python 3.12 + latest `NumPy`/`PyTorch`/`SymPy` support.  **2024-06** : 📚 Full documentation overhaul.  **2024-05** : 🔬 **Class SR**: Multi-dataset symbolic regression.  **2024-02** : 🎯 Uncertainty-aware fitting.  **2023-08** : ⚡ Dimensional analysis acceleration.  **2023-03** : 🌟 **PhySO** initial release (physics-focused SR).
    复制粘贴的修复
    What's New ✨  **2024-05** : 🔬 **Class SR**: Multi-dataset symbolic regression.  **2024-02** : 🎯 Uncertainty-aware fitting.  **2023-08** : ⚡ Dimensional analysis acceleration.  **2023-03** : 🌟 **PhySO** initial release (physics-focused SR).

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 WassimTenachi/PhySO
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
PyTorch
在 2 个问题中被推荐 3 次
竞品排行
  1. PyTorch · 被推荐 3 次
  2. TensorFlow · 被推荐 3 次
  3. PySINDy · 被推荐 1 次
  4. DeepONet · 被推荐 1 次
  5. DeepXDE · 被推荐 1 次
  • 品类问题
    How can I discover underlying physical equations from experimental data using AI?
    你：未被推荐
    AI 推荐顺序：
    1. PySINDy
    2. DeepONet
    3. DeepXDE
    4. PyTorch
    5. TensorFlow
    6. gplearn
    7. scikit-learn-genetic
    8. AI Feynman
    9. torchdiffeq
    10. tf.keras.layers.ODEBlock

    AI 推荐了 10 个替代方案，却始终没点名 WassimTenachi/PhySO。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What Python libraries perform symbolic regression to infer scientific formulas with deep learning?
    你：未被推荐
    AI 推荐顺序：
    1. PySR
    2. Deep Symbolic Regression
    3. PyTorch
    4. TensorFlow
    5. GP-GNN
    6. SymPy
    7. PyTorch
    8. TensorFlow

    AI 推荐了 8 个替代方案，却始终没点名 WassimTenachi/PhySO。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
    pass

  • 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 WassimTenachi/PhySO?
    pass
    AI 明确点名了 WassimTenachi/PhySO

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

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

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

订阅 Pro，解锁深度诊断

WassimTenachi/PhySO — 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