RRepoGEO

REPOGEO 报告 · LITE

yaodongC/awesome-instruction-dataset

默认分支 main · commit 5ef69722 · 扫描时间 2026/5/17 17:02:45

星标 1,148 · Fork 56

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
22 /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
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 yaodongC/awesome-instruction-dataset 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
  • highlicense#1
    Add a LICENSE file to the repository

    原因：

    复制粘贴的修复
    Create a LICENSE file in the repository root with your chosen open-source license (e.g., MIT, Apache-2.0).
  • highreadme#2
    Clarify README H1 to emphasize "curated collection"

    原因：

    当前
    # awesome-text/visual-instruction-tuning-dataset
    复制粘贴的修复
    # Awesome Instruction Dataset: A Curated Collection for LLM Training
  • mediumtopics#3
    Correct typo and add missing topic for better categorization

    原因：

    当前
    ["awsome-lists", "datasets", "gpt-3", "gpt-4", "instruction-following", "instruction-tuning", "language-model", "llama"]
    复制粘贴的修复
    ["awesome-lists", "datasets", "gpt-3", "gpt-4", "instruction-following", "instruction-tuning", "language-model", "llama", "multi-modal"]

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 yaodongC/awesome-instruction-dataset
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
Alpaca-GPT4
在 2 个问题中被推荐 1 次
竞品排行
  1. Alpaca-GPT4 · 被推荐 1 次
  2. ShareGPT · 被推荐 1 次
  3. Dolly 2.0 · 被推荐 1 次
  4. FLAN · 被推荐 1 次
  5. LIMA · 被推荐 1 次
  • 品类问题
    Where can I find open-source datasets for training instruction-following large language models?
    你：未被推荐
    AI 推荐顺序：
    1. Alpaca-GPT4
    2. ShareGPT
    3. Dolly 2.0
    4. FLAN
    5. LIMA
    6. WizardLM
    7. Self-Instruct

    AI 推荐了 7 个替代方案，却始终没点名 yaodongC/awesome-instruction-dataset。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are good multi-modal instruction tuning datasets for developing chat-based AI assistants?
    你：未被推荐
    AI 推荐顺序：
    1. LLaVA (Large Language and Vision Assistant) Dataset
    2. MiniGPT-4 Dataset
    3. Visual Instruction Tuning (VIT) Dataset (from LLaVA-1.5)
    4. ShareGPT4V
    5. M3IT (Multi-Modal Multi-Task Instruction Tuning) Dataset
    6. Fuyu-8B Dataset (from Adept AI)

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

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

订阅 Pro，解锁深度诊断

yaodongC/awesome-instruction-dataset — 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