RRepoGEO

REPOGEO 报告 · LITE

NVIDIA/cutlass

默认分支 main · commit 982cb9e7 · 扫描时间 2026/5/19 15:42:17

星标 9,740 · Fork 1,861

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
68 /100
需要改进
品类召回
1 / 2
被推荐时的平均排名 #3.0
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 NVIDIA/cutlass 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 the README's opening sentence to highlight its library nature and data type support

    原因：

    当前
    CUTLASS is a collection of abstractions for implementing high-performance matrix-matrix multiplication (GEMM) and related computations at all levels and scales within CUDA.
    复制粘贴的修复
    CUTLASS is a high-performance CUDA C++ template library and Python DSL for implementing custom matrix-matrix multiplication (GEMM) and related linear algebra computations on NVIDIA GPUs. It offers modular abstractions with extensive support for mixed-precision and a wide range of data types.
  • mediumtopics#2
    Add more specific topics to emphasize its role as a template library for kernel development

    原因：

    当前
    cpp, cuda, deep-learning, deep-learning-library, gpu, nvidia, python
    复制粘贴的修复
    cpp, cuda, deep-learning, deep-learning-library, gpu, nvidia, python, cuda-templates, gpu-programming, linear-algebra-library, kernel-development
  • lowlicense#3
    Add a line to the README clarifying the project's license

    原因：

    复制粘贴的修复
    Please refer to the `LICENSE` file for details on the specific terms and conditions governing the use of CUTLASS.

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
1 / 2
50% 的问题里出现了 NVIDIA/cutlass
平均排名
#3.0
越小越好。#1 表示首位推荐。
声量占比
8%
在所有被点名的工具中，你占了多少？
头号对手
cuBLAS
在 2 个问题中被推荐 2 次
竞品排行
  1. cuBLAS · 被推荐 2 次
  2. cuTENSOR · 被推荐 1 次
  3. __nv_mma_sync Intrinsics · 被推荐 1 次
  4. Apache TVM · 被推荐 1 次
  5. rocBLAS · 被推荐 1 次
  • 品类问题
    How to implement efficient mixed-precision GEMM kernels in CUDA C++?
    你：第 3 位
    AI 推荐顺序：
    1. cuBLAS
    2. cuTENSOR
    3. CUTLASS ← 你
    4. __nv_mma_sync Intrinsics
    5. Apache TVM
    查看 AI 完整回答
  • 品类问题
    What are good libraries for high-performance GPU linear algebra, supporting various data types?
    你：未被推荐
    AI 推荐顺序：
    1. cuBLAS
    2. rocBLAS
    3. Intel oneMKL
    4. PyTorch
    5. TensorFlow
    6. Eigen
    7. ArrayFire

    AI 推荐了 7 个替代方案，却始终没点名 NVIDIA/cutlass。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 NVIDIA/cutlass?
    pass
    AI 明确点名了 NVIDIA/cutlass

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

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

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

订阅 Pro，解锁深度诊断

NVIDIA/cutlass — 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