RRepoGEO

REPOGEO 报告 · LITE

Farama-Foundation/D4RL

默认分支 master · commit 89141a68 · 扫描时间 2026/5/8 19:12:27

星标 1,678 · Fork 304

AI 可见性总分
88 /100
健康
品类召回
2 / 2
被推荐时的平均排名 #1.0
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 Farama-Foundation/D4RL 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

2 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
  • mediumhomepage#1
    Add the project's official homepage URL

    原因：

    复制粘贴的修复
    [Insert the URL of the supplementary website mentioned in the README, e.g., "https://www.d4rl.ai"]
  • lowreadme#2
    Refine README's initial description to emphasize current focus

    原因：

    当前
    D4RL is an open-source benchmark for offline reinforcement learning. It provides standardized environments and datasets for training and benchmarking algorithms.
    复制粘贴的修复
    D4RL serves as a foundational open-source benchmark, providing standardized datasets for offline reinforcement learning. It enables researchers to train and evaluate algorithms against a consistent collection of pre-recorded data.

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
2 / 2
100% 的问题里出现了 Farama-Foundation/D4RL
平均排名
#1.0
越小越好。#1 表示首位推荐。
声量占比
18%
在所有被点名的工具中，你占了多少？
头号对手
openai/gym
在 2 个问题中被推荐 2 次
竞品排行
  1. openai/gym · 被推荐 2 次
  2. rlworkgroup/metaworld · 被推荐 1 次
  3. RoboStack/robostack · 被推荐 1 次
  4. bulletphysics/bullet3 · 被推荐 1 次
  5. deepmind/rl_unplugged · 被推荐 1 次
  • 品类问题
    What are good reference environments for training offline RL agents?
    你：第 1 位
    AI 推荐顺序：
    1. D4RL (rail-berkeley/d4rl) ← 你
    2. OpenAI Gym (openai/gym)
    3. Meta-World (rlworkgroup/metaworld)
    4. RoboStack (RoboStack/robostack)
    5. PyBullet (bulletphysics/bullet3)
    查看 AI 完整回答
  • 品类问题
    Where can I find standardized datasets for offline reinforcement learning algorithm benchmarking?
    你：第 1 位
    AI 推荐顺序：
    1. D4RL (rail-berkeley/d4rl) ← 你
    2. RL Unplugged (deepmind/rl_unplugged)
    3. Open X-Embodiment (OXE) Dataset
    4. RoboMimic (ARISE-Initiative/robomimic)
    5. Behavioral Cloning (BC) datasets (openai/gym)
    6. Atari 2600 datasets (mgbellemare/Arcade-Learning-Environment)
    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 Farama-Foundation/D4RL?
    pass
    AI 明确点名了 Farama-Foundation/D4RL

    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 Farama-Foundation/D4RL in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 Farama-Foundation/D4RL

    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 Farama-Foundation/D4RL solve, and who is the primary audience?
    pass
    AI 明确点名了 Farama-Foundation/D4RL

    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 Farama-Foundation/D4RL 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/Farama-Foundation/D4RL.svg)](https://repogeo.com/zh/r/Farama-Foundation/D4RL)
HTML
<a href="https://repogeo.com/zh/r/Farama-Foundation/D4RL"><img src="https://repogeo.com/badge/Farama-Foundation/D4RL.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

Farama-Foundation/D4RL — 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