RRepoGEO

REPOGEO 报告 · LITE

hikariming/chat-dataset-baseline

默认分支 main · commit d6fefc9b · 扫描时间 2026/5/27 02:53:22

星标 1,191 · Fork 97

AI 可见性总分
28 /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
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 hikariming/chat-dataset-baseline 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 H1 to highlight the curated dataset

    原因：

    当前
    # 🚀 进化中的中文对话模型资源库 🚀
    复制粘贴的修复
    # 🚀 人工精调中文对话数据集：LLM微调基线与代码 🚀
  • highlicense#2
    Add a LICENSE file to the repository

    原因：

    复制粘贴的修复
    Create a LICENSE file in the root directory of the repository with the Apache-2.0 license text.
  • mediumhomepage#3
    Set the GitHub repository URL as the homepage

    原因：

    复制粘贴的修复
    https://github.com/hikariming/chat-dataset-baseline

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 hikariming/chat-dataset-baseline
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
LCCC (Large-scale Cleaned Chinese Conversation Corpus)
在 2 个问题中被推荐 1 次
竞品排行
  1. LCCC (Large-scale Cleaned Chinese Conversation Corpus) · 被推荐 1 次
  2. Douban Conversation Corpus · 被推荐 1 次
  3. SMP-MCC (SMP Chinese Conversational Corpus) · 被推荐 1 次
  4. OpenSubtitles Chinese Corpus · 被推荐 1 次
  5. Tsinghua-CMRC (Tsinghua Chinese Machine Reading Comprehension) · 被推荐 1 次
  • 品类问题
    Need a curated dataset to fine-tune a conversational AI model for Mandarin Chinese.
    你：未被推荐
    AI 推荐顺序：
    1. LCCC (Large-scale Cleaned Chinese Conversation Corpus)
    2. Douban Conversation Corpus
    3. SMP-MCC (SMP Chinese Conversational Corpus)
    4. OpenSubtitles Chinese Corpus
    5. Tsinghua-CMRC (Tsinghua Chinese Machine Reading Comprehension)
    6. WMT Chinese-English Parallel Corpus

    AI 推荐了 6 个替代方案，却始终没点名 hikariming/chat-dataset-baseline。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are the best practices for SFT training a Chinese LLM with custom data?
    你：未被推荐
    AI 推荐顺序：
    1. Baichuan2-7B/13B-Chat
    2. Qwen-7B/14B-Chat
    3. ChatGLM3-6B
    4. Yi-6B/34B-Chat
    5. Llama-2-7B/13B-Chat
    6. LoRA
    7. QLoRA
    8. Hugging Face's PEFT (huggingface/peft)
    9. AdamW
    10. Hugging Face Transformers (huggingface/transformers)
    11. Accelerate (huggingface/accelerate)
    12. DeepSpeed (microsoft/DeepSpeed)
    13. FSDP
    14. TensorBoard
    15. Weights & Biases (W&B) (wandb/wandb)

    AI 推荐了 15 个替代方案，却始终没点名 hikariming/chat-dataset-baseline。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 hikariming/chat-dataset-baseline?
    pass
    AI 未点名 hikariming/chat-dataset-baseline —— 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 hikariming/chat-dataset-baseline in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 hikariming/chat-dataset-baseline

    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 hikariming/chat-dataset-baseline solve, and who is the primary audience?
    pass
    AI 明确点名了 hikariming/chat-dataset-baseline

    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 hikariming/chat-dataset-baseline 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/hikariming/chat-dataset-baseline.svg)](https://repogeo.com/zh/r/hikariming/chat-dataset-baseline)
HTML
<a href="https://repogeo.com/zh/r/hikariming/chat-dataset-baseline"><img src="https://repogeo.com/badge/hikariming/chat-dataset-baseline.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

hikariming/chat-dataset-baseline — 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