Анализ страницы https://hanlab.mit.edu/songhan
Основное Готовность: 100%
Домен
hanlab.mit.edu
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Отличный запоминающийся домен.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 11.11.2026 4:40:47.
Сервер поддерживает HTTP/3 (QUIC) — новейший протокол.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,16сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,16сек оптимальна.
Объем документа
229Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 229Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 9
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 9 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | text/css | https://cdn.prod.website-files.com/64f4d663be17b6544a586bac/css/mit-hanlab.webflow.shared.273ab127e.min.css |
| js | text/javascript | https://ajax.googleapis.com/ajax/libs/webfont/1.6.26/webfont.js |
| js | https://cdn.jsdelivr.net/npm/@finsweet/attributes-cmsload@1/cmsload.js | |
| js | https://cdn.jsdelivr.net/npm/@finsweet/attributes-cmscombine@1/cmscombine.js | |
| js | https://cdn.jsdelivr.net/npm/@finsweet/attributes-cmssort@1/cmssort.js | |
| js | https://cdn.jsdelivr.net/npm/@finsweet/attributes-cmstabs@1/cmstabs.js | |
| js | text/javascript | https://d3e54v103j8qbb.cloudfront.net/js/jquery-3.5.1.min.dc5e7f18c8.js?site=64f4d663be17b6544a586bac |
| js | text/javascript | https://cdn.prod.website-files.com/64f4d663be17b6544a586bac/js/webflow.schunk.f2efb3c5440a81cf.js |
| js | text/javascript | https://cdn.prod.website-files.com/64f4d663be17b6544a586bac/js/webflow.a5320c01.7cc3780355035a3e.js |
Серверные заголовки
Кол-во: 16
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 16шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Date | Mon, 24 Aug 2026 13:32:20 GMT |
| Set-Cookie | _cfuvid=w8YaxrI9ZuuAjBMyETRdBKrOi7aYlLRBmncL3tHlLWI-1787578340.0829234-1.0.1.1-Dm2WLjoIf1F2bR6RwMDVX5qYSq2Ky4x_3uzQ72ZlcW0; HttpOnly; SameSite=None; Secure; Path=/; Domain=hanlab.mit.edu |
| cf-ray | a302b8f18f2f9db3-DME |
| cf-cache-status | HIT |
| Age | 34003 |
| Link | <https://cdn.prod.website-files.com>; rel=preconnect; crossorigin, <https://cdn.prod.website-files.com/64f4d663be17b6544a586bac/css/mit-hanlab.webflow.shared.273ab127e.min.css>; rel=preload; as=style; crossorigin; integrity="sha384-JzqxJ+rNQAJgUWumLV4dtBLqKh45l9G7+1rmSdZyYKBDLXndwtjPH2YVtdSo7IPG", <https://fonts.googleapis.com>; rel=preconnect, <https://fonts.gstatic.com>; rel=preconnect; crossorigin |
| Server | cloudflare |
| Strict-Transport-Security | max-age=31536000 |
| Vary | accept-encoding |
| Content-Security-Policy | frame-ancestors 'self' |
| surrogate-control | max-age=86066 |
| surrogate-key | hanlab.mit.edu 64f4d663be17b6544a586bac pageId:6514b76874fd791b761f6f1d 64fa8034ba7a4362dbb79678 6511f1ebf5271ea67bc5c09c 65132b418abde427dfa0ad89 651486a3e6569f353fbb6525 64fa8034ba7a4362dbb7967f 64fa8034ba7a4362dbb7967a 64fd2bfab5e959690efbf0d7 64fa8034ba7a4362dbb79679 651485befa5ae90e0f462880 64fa8034ba7a4362dbb7967d |
| X-Frame-Options | SAMEORIGIN |
| x-lambda-id | 8329b973-4584-4ec8-8caa-5709f7870e33 |
| x-wf-region | us-east-1 |
| Alt-Svc | h3=":443" |
CMS
Webflow
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
Сайт работает на CMS Webflow.
Веб-сервер
Cloudflare
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
Сайт работает на веб-сервере Cloudflare.
Мета-теги Готовность: 68%
Title
Song Han - Associate Professor, MIT EECS
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Дублей словоформ в title не найдено.
Число символов в title 40 оптимально (норма: от 40 до 45).
Description
Song Han is an associate professor at MIT EECS. He received his PhD degree from Stanford University. He proposed the “Deep Compression” technique including pruning and quantization that is widely used for efficient AI computing, and “Efficient Inference Engine” that first brought weight sparsity to modern AI chips, which influenced NVIDIA’s Ampere GPU Architecture with Sparse Tensor Core. He pioneered the TinyML research that brings deep learning to IoT devices, enabling learning on the edge (appeared on MIT home page). His team’s work on hardware-aware neural architecture search (once-for-all network) enables users to design, optimize, shrink and deploy AI models to resource-constrained hardware devices, receiving the first place in many low-power computer vision contests in flagship AI conferences. Song received best paper awards at ICLR and FPGA, faculty awards from Amazon, Facebook, NVIDIA, Samsung and SONY. Song was named “35 Innovators Under 35” by MIT Technology Review for his contribution on “deep compression” technique that “lets powerful artificial intelligence (AI) programs run more efficiently on low-power mobile devices.” Song received the NSF CAREER Award for “efficient algorithms and hardware for accelerated machine learning”, IEEE “AIs 10 to Watch: The Future of AI” award, and Sloan Research Fellowship.Song’s cutting-edge research in efficient AI computing has profoundly influenced the industry. He was the cofounder of DeePhi (now part of AMD), and cofounder of OmniML (now part of NVIDIA).
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо уменьшить число символов в description (текущее значение: 1531, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Кол-во: 3
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:title | Song Han - Associate Professor, MIT EECS |
| og:description | Song Han is an associate professor at MIT EECS. He received his PhD degree from Stanford University. He proposed the “Deep Compression” technique including pruning and quantization that is widely used for efficient AI computing, and “Efficient Inference Engine” that first brought weight sparsity to modern AI chips, which influenced NVIDIA’s Ampere GPU Architecture with Sparse Tensor Core. He pioneered the TinyML research that brings deep learning to IoT devices, enabling learning on the edge (appeared on MIT home page). His team’s work on hardware-aware neural architecture search (once-for-all network) enables users to design, optimize, shrink and deploy AI models to resource-constrained hardware devices, receiving the first place in many low-power computer vision contests in flagship AI conferences. Song received best paper awards at ICLR and FPGA, faculty awards from Amazon, Facebook, NVIDIA, Samsung and SONY. Song was named “35 Innovators Under 35” by MIT Technology Review for his contribution on “deep compression” technique that “lets powerful artificial intelligence (AI) programs run more efficiently on low-power mobile devices.” Song received the NSF CAREER Award for “efficient algorithms and hardware for accelerated machine learning”, IEEE “AIs 10 to Watch: The Future of AI” award, and Sloan Research Fellowship.Song’s cutting-edge research in efficient AI computing has profoundly influenced the industry. He was the cofounder of DeePhi (now part of AMD), and cofounder of OmniML (now part of NVIDIA). |
| og:type | website |
Все мета-теги
Кол-во: 9
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 9шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | description | Song Han is an associate professor at MIT EECS. He received his PhD degree from Stanford University. He proposed the “Deep Compression” technique including pruning and quantization that is widely used for efficient AI computing, and “Efficient Inference Engine” that first brought weight sparsity to modern AI chips, which influenced NVIDIA’s Ampere GPU Architecture with Sparse Tensor Core. He pioneered the TinyML research that brings deep learning to IoT devices, enabling learning on the edge (appeared on MIT home page). His team’s work on hardware-aware neural architecture search (once-for-all network) enables users to design, optimize, shrink and deploy AI models to resource-constrained hardware devices, receiving the first place in many low-power computer vision contests in flagship AI conferences. Song received best paper awards at ICLR and FPGA, faculty awards from Amazon, Facebook, NVIDIA, Samsung and SONY. Song was named “35 Innovators Under 35” by MIT Technology Review for his contribution on “deep compression” technique that “lets powerful artificial intelligence (AI) programs run more efficiently on low-power mobile devices.” Song received the NSF CAREER Award for “efficient algorithms and hardware for accelerated machine learning”, IEEE “AIs 10 to Watch: The Future of AI” award, and Sloan Research Fellowship.Song’s cutting-edge research in efficient AI computing has profoundly influenced the industry. He was the cofounder of DeePhi (now part of AMD), and cofounder of OmniML (now part of NVIDIA). |
| name | twitter:title | Song Han - Associate Professor, MIT EECS |
| name | twitter:description | Song Han is an associate professor at MIT EECS. He received his PhD degree from Stanford University. He proposed the “Deep Compression” technique including pruning and quantization that is widely used for efficient AI computing, and “Efficient Inference Engine” that first brought weight sparsity to modern AI chips, which influenced NVIDIA’s Ampere GPU Architecture with Sparse Tensor Core. He pioneered the TinyML research that brings deep learning to IoT devices, enabling learning on the edge (appeared on MIT home page). His team’s work on hardware-aware neural architecture search (once-for-all network) enables users to design, optimize, shrink and deploy AI models to resource-constrained hardware devices, receiving the first place in many low-power computer vision contests in flagship AI conferences. Song received best paper awards at ICLR and FPGA, faculty awards from Amazon, Facebook, NVIDIA, Samsung and SONY. Song was named “35 Innovators Under 35” by MIT Technology Review for his contribution on “deep compression” technique that “lets powerful artificial intelligence (AI) programs run more efficiently on low-power mobile devices.” Song received the NSF CAREER Award for “efficient algorithms and hardware for accelerated machine learning”, IEEE “AIs 10 to Watch: The Future of AI” award, and Sloan Research Fellowship.Song’s cutting-edge research in efficient AI computing has profoundly influenced the industry. He was the cofounder of DeePhi (now part of AMD), and cofounder of OmniML (now part of NVIDIA). |
| name | twitter:card | summary_large_image |
| name | viewport | width=device-width, initial-scale=1 |
| name | generator | Webflow |
| property | og:title | Song Han - Associate Professor, MIT EECS |
| property | og:description | Song Han is an associate professor at MIT EECS. He received his PhD degree from Stanford University. He proposed the “Deep Compression” technique including pruning and quantization that is widely used for efficient AI computing, and “Efficient Inference Engine” that first brought weight sparsity to modern AI chips, which influenced NVIDIA’s Ampere GPU Architecture with Sparse Tensor Core. He pioneered the TinyML research that brings deep learning to IoT devices, enabling learning on the edge (appeared on MIT home page). His team’s work on hardware-aware neural architecture search (once-for-all network) enables users to design, optimize, shrink and deploy AI models to resource-constrained hardware devices, receiving the first place in many low-power computer vision contests in flagship AI conferences. Song received best paper awards at ICLR and FPGA, faculty awards from Amazon, Facebook, NVIDIA, Samsung and SONY. Song was named “35 Innovators Under 35” by MIT Technology Review for his contribution on “deep compression” technique that “lets powerful artificial intelligence (AI) programs run more efficiently on low-power mobile devices.” Song received the NSF CAREER Award for “efficient algorithms and hardware for accelerated machine learning”, IEEE “AIs 10 to Watch: The Future of AI” award, and Sloan Research Fellowship.Song’s cutting-edge research in efficient AI computing has profoundly influenced the industry. He was the cofounder of DeePhi (now part of AMD), and cofounder of OmniML (now part of NVIDIA). |
| property | og:type | website |
Оптимизация Готовность: 72%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Ошибок нет
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 6 встречаются в тексте достаточно.
Абзацев с текстом 50 достаточно.
Среднее число слов в абзаце 19 достаточно.
Кол-во знаков контента 43890 на странице оптимально.
Кол-во слов 6642 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 9. Это прекрасно.
На странице присутствуют заголовки <h3> 1.
Тошнота
8,77
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
20,36%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| efficient | 77 | 1,16% |
| slides | 57 | 0,86% |
| congrats | 56 | 0,84% |
| learning | 50 | 0,75% |
| presented | 47 | 0,71% |
| models | 38 | 0,57% |
| attention | 37 | 0,56% |
| tinyml | 33 | 0,50% |
| nvidia | 25 | 0,38% |
| covered | 25 | 0,38% |
| research | 24 | 0,36% |
| training | 24 | 0,36% |
| generation | 24 | 0,36% |
| diffusion | 23 | 0,35% |
| streamingllm | 20 | 0,30% |
| language | 19 | 0,29% |
| published | 19 | 0,29% |
| memory | 18 | 0,27% |
| sparse | 18 | 0,27% |
| quantization | 17 | 0,26% |
Индексация Готовность: 0%
Индексирование
Есть ошибки
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 748 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 23 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
User-agent: *
Disallow:
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 402
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 402 слишком много. Проведите оптимизацию сайта!
Внутренние ссылки не запрещены к индексации в robots.txt.
На странице присутствуют изображения 2.
Показать первые 100 внутренних ссылок
| Url | Анкор | Состояние |
|---|---|---|
| / |
About
|
|
| /songhan |
Song Han
|
|
| /news |
News
|
|
| /publications |
Publications
|
|
| /blog |
Blog
|
|
| /course |
Course
|
|
| /awards |
Awards
|
|
| /talks |
Talks
|
|
| /media |
Media
|
|
| /team |
Team
|
|
| /gallery |
Gallery
|
|
| /projects/awq |
<strong>AWQ, TinyChat</strong>
|
|
| /projects/smoothquant |
<strong>SmoothQuant</strong>
|
|
| /projects/qserve |
<strong>QServe</strong>
|
|
| /projects/coat |
<strong>COAT </strong>
|
|
| /projects/streamingllm |
<strong>StreamingLLM</strong>
|
|
| /projects/streamingvlm |
<strong>StreamingVLM</strong>
|
|
| /projects/quest |
<strong>Quest</strong>
|
|
| /projects/duoattention |
<strong>DuoAttention</strong>
|
|
| /projects/lserve |
<strong>LServe</strong>
|
|
| /projects/xattention |
<strong>XAttention</strong>
|
|
| /projects/radial-attention |
<strong>Radial Attention</strong>
|
|
| /projects/hart |
<strong>HART</strong>
|
|
| /projects/lpd |
<strong>LPD</strong>
|
|
| /projects/sana |
<strong>SANA</strong>
|
|
| /projects/dc-ae |
<strong>DC-AE</strong>
|
|
| /projects/sana-1-5 |
<strong>SANA-1.5</strong>
|
|
| /projects/sana-sprint |
<strong>SANA-Sprint</strong>
|
|
| /projects/svdquant |
<strong>SVDQuant</strong>
|
|
| /projects/dc-videogen |
<strong>DC-VideoGen</strong>
|
|
| /projects/tlt |
<strong>TLT</strong>
|
|
| / |
HAN Lab Website
|
|
| /projects/vlash |
VLASH
|
|
| /projects/foreact |
ForeAct
|
|
| /projects/lpd |
LPD
|
|
| /projects/streamingvlm |
StreamingVLM
|
|
| /projects/longlive |
LongLive
|
|
| /projects/qerl-beyond-efficiency----quantization-enhanced-reinforcement-learning-for-llms |
QeRL
|
|
| /projects/fast-dllm-v2 |
Fast-dLLM v2
|
|
| /projects/fast-dllm |
fast-dllm
|
|
| /projects/sana-video |
SANA-Video
|
|
| /projects/tlt |
TLT
|
|
| /projects/long-rl |
Long-RL
|
|
| /projects/radial-attention |
Radial Attention
|
|
| /projects/sana-sprint |
SANA-Sprint
|
|
| /projects/dc-ar |
DC-AR
|
|
| /projects/dc-ae-1-5 |
DC-AE 1.5
|
|
| /projects/dc-gen |
DC-Gen
|
|
| /projects/dc-videogen |
DC-VideoGen
|
|
| /projects/jet-nemotron |
Jet-Nemotron
|
|
| /projects/xattention |
XAttention
|
|
| /projects/sana-1-5 |
SANA-1.5
|
|
| /projects/qserve |
QServe
|
|
| /projects/svdquant |
SVDQuant
|
|
| /projects/coat |
COAT
|
|
| /projects/sana |
SANA
|
|
| /projects/duo-attention |
DuoAttention
|
|
| /projects/dc-ae |
DC-AE
|
|
| /projects/longvila |
LongVILA
|
|
| /projects/vila-u |
VILA-U
|
|
| /projects/hart |
HART
|
|
| /projects/fastcomposer |
FastComposer
|
|
| /projects/distrifusion |
DistriFusion
|
|
| /projects/can |
CAN
|
|
| /projects/vila |
VILA
|
|
| /projects/quest |
Quest
|
|
| /projects/streamingllm |
StreamingLLM
|
|
| /projects/awq |
AWQ
|
|
| /projects/longlora |
LongLoRA
|
|
| /projects/efficientvit |
EfficientViT
|
|
| /projects/spatten-chip |
SpAtten-Chip
|
|
| /projects/smoothquant |
SmoothQuant
|
|
| /projects/sige |
SIGE
|
|
| /projects/anycost-gan |
AnycostGAN
|
|
| /projects/diffaug |
DiffAugment
|
|
| /projects/gancompression |
GAN Compression
|
|
| /projects/lite-transformer |
Lite Transformer
|
|
| /projects/hat |
HAT
|
|
| /projects/lego |
LEGO
|
|
| /projects/tinyml |
TinyML-Projects
|
|
| /projects/tinyml-magazine |
TinyML-Magazine
|
|
| /projects/pockengine |
PockEngine
|
|
| /projects/bevfusion |
BEVFusion
|
|
| /projects/mcunetv3 |
On-Device Training
|
|
| /projects/litepose |
LitePose
|
|
| /projects/netaug |
NetAug
|
|
| /projects/naas |
NAAS
|
|
| /projects/mcunetv2 |
MCUNet-v2
|
|
| /projects/tinytl |
TinyTL
|
|
| /projects/gcn-rl-circuit-designer |
GCN-RL Circuit Designer
|
|
| /projects/mcunet |
MCUNet
|
|
| /projects/apq |
APQ
|
|
| /projects/ofa |
OFA
|
|
| /projects/park |
Park
|
|
| /projects/tsm |
TSM
|
|
| /projects/haq |
HAQ
|
|
| /projects/proxylessnas |
ProxylessNAS
|
|
| /projects/learning-to-design-circuits |
L2DC
|
|
| /projects/amc |
AMC
|
|
| /projects/deep-compression |
Deep Compression
|
|
Внешние ссылки
Кол-во: 143
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 143 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| en.wikipedia.org |
Bill Dally
|
| efficientml.ai |
EfficientML.ai
|
| dropbox.com |
slides
|
| spatten.mit.edu |
<strong>SpAtten</strong>
|
| svg-project.github.io |
<strong>Sparse VideoGen</strong>
|
| svg-project.github.io |
<strong>Sparse VideoGen2</strong>
|
| nvlabs.github.io |
<strong>SANA-Video</strong>
|
| arxiv.org |
<strong> VILA</strong>
|
| arxiv.org |
<strong>VILA-U</strong>
|
| arxiv.org |
<strong>LongVILA</strong>
|
| arxiv.org |
<strong>VCPO</strong>
|
| efficientml.ai |
https://efficientml.ai
|
| whereis.mit.edu |
54-100
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| github.com |
Code
|
| arxiv.org |
Code
|
| github.com |
Code
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| youtube.com |
Video
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| youtube.com |
Video
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| youtube.com |
Video
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| youtu.be |
Video
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| youtube.com |
Video
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| youtube.com |
Video
|
| arxiv.org |
Paper
|
| github.com |
Code
|
| github.com |
Kernel Design Agents (KDA)
|
| mlsys26.flashinfer.ai |
MLSys 2026 FlashInfer Full-Agent Track
|
| news.mit.edu |
AI tool generates high-quality images faster than state-of-the-art approaches
|
| github.com |
TinyChat 2.0
|
| github.com |
<strong>TensorRT-LLM</strong>
|
| live.efficientml.ai |
YouTube
|
| github.com |
TensorRT-LLM
|
| community.amd.com |
AMD
|
| console.cloud.google.com |
Google Vertex AI
|
| aws.amazon.com |
Amazon Sagemaker
|
| github.com |
Intel Neural Compressor
|
| github.com |
FastChat
|
| github.com |
vLLM
|
| github.com |
HuggingFace TGI
|
| github.com |
LMDeploy
|
| github.com |
<strong>ColossalAI</strong>
|
| rocm.blogs.amd.com |
AMD Instinct MI300X using Composable Kernel
|
| zhijianliu.com |
Zhijian Liu
|
| hanruiwang.com |
Hanrui Wang
|
| linji.me |
Ji Lin
|
| han-cai.github.io |
Han Cai
|
| weichenwang.me |
Wei-Chen Wang
|
| unitaryhack.dev |
UnitaryHack
|
| news.mit.edu |
<strong>MIT News as spotlight</strong>
|
| github.com |
<strong>TinyChat</strong>
|
| arxiv.org |
VILA Vision Languague Models
|
| console.cloud.google.com |
Google Vertex AI
|
| github.com |
ONNX Runtime
|
| github.com |
SwiftInfer
|
| github.com |
TensorRT-LLM
|
| x.com |
iPhone
|
| linji.me |
Ji Lin
|
| github.com |
Falcon-180B on a single H200GPU with INT4 AWQ, and 6.7x faster Llama-70B over A100
|
| huggingface.co |
main branch
|
| github.com |
main branch
|
| aws.amazon.com |
Amazon Sagemaker Containers
|
| github.com |
Intel Extension for Transformers
|
| github.com |
Attention Sinks
|
| huggingface.co |
blog
|
| github.com |
TensorRT-LLM.
|
| github.com |
Intel Neural Compressor
|
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Страница https://hanlab.mit.edu/songhan готова к продвижению на 60%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: