Анализ страницы https://xingjunm.github.io/publications
Основное Готовность: 100%
Домен
xingjunm.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
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.
Цепочка редиректов:
https://xingjunm.github.io/publications
301 MovedPermanently
https://xingjunm.github.io/publications/
200 OK
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.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 04.10.2026 22:45:22.
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
~0,47сек
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 0,47сек оптимальна.
Объем документа
65Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 65Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 10
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 10 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://stackpath.bootstrapcdn.com/bootstrap/4.4.1/css/bootstrap.min.css | |
| stylesheet | https://cdnjs.cloudflare.com/ajax/libs/font-awesome/5.12.1/css/all.min.css | |
| stylesheet | https://fonts.googleapis.com/css?family=Lora:400,700,400italic,700italic | |
| stylesheet | https://fonts.googleapis.com/css?family=Open+Sans:300italic,400italic,600italic,700italic,800italic,400,300,600,700,800 | |
| stylesheet | /assets/css/bootstrap-social.css | |
| stylesheet | /assets/css/beautifuljekyll.css | |
| js | https://code.jquery.com/jquery-3.5.1.slim.min.js | |
| js | https://cdn.jsdelivr.net/npm/popper.js@1.16.0/dist/umd/popper.min.js | |
| js | https://stackpath.bootstrapcdn.com/bootstrap/4.4.1/js/bootstrap.min.js | |
| js | /assets/js/beautifuljekyll.js |
Серверные заголовки
Кол-во: 17
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 17шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| ETag | "6a7c799e-10812" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 8E30:3E1B:4B13CD3:4BB3362:6A8B28D3 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 17:07:31 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230028-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787504851.104528,VS0,VE118 |
| Vary | Accept-Encoding |
| x-fastly-request-id | c49db3f6c87e9331f2f733779db26c612faebab7 |
CMS
Не определена
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.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
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.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 48%
Title
Publications
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.
Необходимо увеличить число символов в title (текущее значение мало: 12, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
The full list of publications can be found on Google Scholar. ### 2026 AgentHazard: A Benchmark for Evaluating Harmful Behavior in Computer-Use Agents [Code] Yifan Ding, Yunhao Feng, Yifeng Gao, Yige Li, Yutao Wu, Yanming Guo, Yingshui Tan, Kun Zhai, **Xingjun Ma** ACM Multimedia (MM), Rio de Janeiro, Brazil, 2026....
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: 319, 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
https://xingjunm.github.io/publications/
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.
Канонический Url прописан корректно.
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, shrink-to-fit=no
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: 6
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:site_name | Xingjun Ma |
| og:title | Publications |
| og:description | The full list of publications can be found on Google Scholar. ### 2026 AgentHazard: A Benchmark for Evaluating Harmful Behavior in Computer-Use Agents [Code] Yifan Ding, Yunhao Feng, Yifeng Gao, Yige Li, Yutao Wu, Yanming Guo, Yingshui Tan, Kun Zhai, **Xingjun Ma** ACM Multimedia (MM), Rio de Janeiro, Brazil, 2026.... |
| og:image | https://xingjunm.github.io/assets/img/profile.jpg |
| og:type | website |
| og:url | https://xingjunm.github.io/publications/ |
Все мета-теги
Кол-во: 15
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 15шт. 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 | viewport | width=device-width, initial-scale=1, shrink-to-fit=no |
| name | author | Xingjun Ma |
| name | description | The full list of publications can be found on Google Scholar. ### 2026 AgentHazard: A Benchmark for Evaluating Harmful Behavior in Computer-Use Agents [Code] Yifan Ding, Yunhao Feng, Yifeng Gao, Yige Li, Yutao Wu, Yanming Guo, Yingshui Tan, Kun Zhai, **Xingjun Ma** ACM Multimedia (MM), Rio de Janeiro, Brazil, 2026.... |
| name | twitter:card | summary |
| name | twitter:site | @XingjunMa |
| name | twitter:creator | @XingjunMa |
| name | twitter:image | https://xingjunm.github.io/assets/img/profile.jpg |
| property | og:site_name | Xingjun Ma |
| property | og:title | Publications |
| property | og:description | The full list of publications can be found on Google Scholar. ### 2026 AgentHazard: A Benchmark for Evaluating Harmful Behavior in Computer-Use Agents [Code] Yifan Ding, Yunhao Feng, Yifeng Gao, Yige Li, Yutao Wu, Yanming Guo, Yingshui Tan, Kun Zhai, **Xingjun Ma** ACM Multimedia (MM), Rio de Janeiro, Brazil, 2026.... |
| property | og:image | https://xingjunm.github.io/assets/img/profile.jpg |
| property | og:type | website |
| property | og:url | https://xingjunm.github.io/publications/ |
| property | twitter:title | Publications |
| property | twitter:description | The full list of publications can be found on Google Scholar. ### 2026 AgentHazard: A Benchmark for Evaluating Harmful Behavior in Computer-Use Agents [Code] Yifan Ding, Yunhao Feng, Yifeng Gao, Yige Li, Yutao Wu, Yanming Guo, Yingshui Tan, Kun Zhai, **Xingjun Ma** ACM Multimedia (MM), Rio de Janeiro, Brazil, 2026.... |
Оптимизация Готовность: 42%
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 в одном экземпляре).
Контент
Есть ошибки
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 1 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 135 достаточно.
Среднее число слов в абзаце 36 достаточно.
Кол-во знаков контента 34685 на странице оптимально.
Кол-во слов 5098 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 <h2> 1. Это хорошо.
На странице присутствуют заголовки <h3> 10.
Тошнота
11,58
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
194,49%
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 |
|---|---|---|
| xingjun | 134 | 2,63% |
| [code] | 90 | 1,77% |
| conference | 88 | 1,73% |
| international | 61 | 1,20% |
| learning | 55 | 1,08% |
| bailey | 47 | 0,92% |
| yu-gang | 37 | 0,73% |
| models | 33 | 0,65% |
| adversarial | 32 | 0,63% |
| neural | 24 | 0,47% |
| systems | 23 | 0,45% |
| computer | 23 | 0,45% |
| attacks | 22 | 0,43% |
| machine | 21 | 0,41% |
| erfani | 20 | 0,39% |
| hanxun | 19 | 0,37% |
| vision | 19 | 0,37% |
| multimedia | 16 | 0,31% |
| intelligence | 16 | 0,31% |
| backdoor | 15 | 0,29% |
Индексация Готовность: 40%
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 258 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: 48 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
Sitemap: https://xingjunm.github.io/sitemap.xml
Sitemap
Кол-во: 1
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 содержит карту сайта. Это прекрасно!
Robots.txt не содержит ошибок в карте сайта.
Показать карту сайта
| Url | Статус |
|---|---|
| https://xingjunm.github.io/sitemap.xml |
|
Внутренние ссылки
Кол-во: 46
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 46 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
На странице присутствуют изображения 1.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / |
Xingjun Ma
|
|
| /publications |
Publications
|
|
| /talks |
Talks
|
|
| /teaching |
Teaching
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
<b>
FakeWorld 1.0: An Omni-modal Benchmark for Fake Media and Content</b>
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
<b>
AudioMosaic: Contrastive Masked Audio Representation Learning</b>
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
<b>
MESA: Improving MoE Safety Alignment via Decentralized Expertise</b>
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
<b>StolenLoRA: Exploring LoRA Extraction Attacks via Synthetic Data</b>
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
<b>FedAPT: Federated Adversarial Prompt Tuning for Vision-Language Models</b>
|
|
| / |
[Code]
|
|
| / |
<b>
MMFair: Fair Learning via Min-Min Optimization</b>
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
<b>On the Importance of Spatial Relations for Few-shot Action Recognition</b>
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| / |
[Code]
|
|
| /assets/files/LID_tail_entropy_SISAP2021.pdf |
<b>Relationships between Local Intrinsic Dimensionality and Tail Entropy</b>
|
|
| / |
|
|
| / |
<b>Federated Learning with Extreme Label Skew: A Data Extension Approach</b>
|
|
| / |
<b>Microwave Link Failures Prediction via LSTM-based Feature Fusion Network</b>
|
|
| / |
<b>Exploring the Vulnerability of Natural Language Processing Models via Universal Adversarial Texts</b>
|
|
| / |
|
|
| / |
xingjunma.com
|
|
Внешние ссылки
Кол-во: 210
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 210 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| scholar.google.com.au |
Google Scholar
|
| arxiv.org |
<b>
AgentHazard: A Benchmark for Evaluating Harmful Behavior in Computer-Use Agents
</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>
RedDiffuser: Auditing Multimodal Safety Failures in Vision-Language Models via Reinforced Diffusion
</b>
|
| arxiv.org |
<b>
BackdoorVLM: A Benchmark for Backdoor Attacks and Defenses on Vision-Language Models
</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>
Agent4POI: Agentic context-conditioned affordance reasoning for Multimodal Point-of-Interest Recommendation
</b>
|
| arxiv.org |
<b>
DropVLA: An Action-Level Backdoor Attack on Vision-Language-Action Models
</b>
|
| openreview.net |
<b>
Perturbation Effects on Robustness and Individual Fairness</b>
|
| arxiv.org |
<b>
Just Ask: Curious Code Agents Reveal System Prompts in Frontier LLMs
</b>
|
| github.com |
[Code]
|
| x-zheng16.github.io |
[Project]
|
| arxiv.org |
<b>
SciAgentGym: Benchmarking Multi-Step Scientific Tool-Use in LLM Agents</b>
|
| arxiv.org |
<b>
Towards Context-Invariant Safety Alignment for Large Language Models</b>
|
| arxiv.org |
<b>
RA-Det: Towards Universal Detection of AI-Generated Images via Robustness Asymmetry</b>
|
| github.com |
[Code]
|
| aclanthology.org |
<b>
Deliberative Searcher: Improving LLM Reliability via Reinforcement Learning with Constraints</b>
|
| arxiv.org |
<b>
BackdoorAgent: A Unified Framework for Backdoor Attacks on LLM-based Agents </b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>
AgenticEval: Toward Agentic and Self-Evolving Safety Evaluation of Large Language Models</b>
|
| arxiv.org |
<b>
OmniLottie: Generating Vector Animations via Parameterized Lottie Tokens</b>
|
| github.com |
[Code]
|
| openvglab.github.io |
[Project Page]
|
| huggingface.co |
[Hugging Face]
|
| arxiv.org |
<b>
GenBreak: Red Teaming Text-to-Image Generation Using Large Language Models</b>
|
| arxiv.org |
<b> WithAnyone: Towards controllable and id consistent image generation</b>
|
| github.com |
[Code]
|
| doby-xu.github.io |
[Project]
|
| arxiv.org |
<b> Toward Universal and Transferable Jailbreak Attacks on Vision-Language Models</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>SIDE: Surrogate Conditional Data Extraction from Diffusion Models</b>
|
| arxiv.org |
<b> PaperAsk: A Benchmark for Reliability Evaluation of LLMs in Paper Search and Reading</b>
|
| arxiv.org |
<b> Coarse-to-Fine Open-Set Graph Node Classification with Large Language Models</b>
|
| arxiv.org |
<b>
Do We Really Need SFT? Prompt-as-Policy over Knowledge Graphs for Cold-start Next POI Recommendation</b>
|
| arxiv.org |
<b> NAP-Tuning: Neural Augmented Prompt Tuning for Adversarially Robust Vision-Language Models</b>
|
| arxiv.org |
<b> FedEGG: Federated Learning with Explicit Global Guidance</b>
|
| arxiv.org |
<b> On the Adversarial Transferability of Generalized “Skip Connections”</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b> OpenRedRL: A Light-Weight Benchmark for Reinforcement Fine-Tuning-Based Red Teaming</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>
Defense-to-attack: Bypassing weak defenses enables stronger jailbreaks in Vision-Language Models</b>
|
| openreview.net |
<b>
Learnable Coreset Selection for Graph Active Learning</b>
|
| arxiv.org |
<b>BackdoorLLM: A Comprehensive Benchmark for Backdoor Attacks and Defenses on Large Language Models</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>SafeVid: Toward Safety Aligned Video Large Multimodal Models</b>
|
| huggingface.co |
[Dataset]
|
| arxiv.org |
<b>
OmniSVG: A Unified Scalable Vector Graphics Generation Model</b>
|
| github.com |
[Code]
|
| omnisvg.github.io |
[Project Page]
|
| huggingface.co |
[Hugging Face]
|
| arxiv.org |
<b>SAMA: Towards Multi-Turn Referential Grounded Video Chat with Large Language Models</b>
|
| arxiv.org |
<b>JailBound: Jailbreaking Internal Safety Boundaries of Vision-Language Models</b>
|
| arxiv.org |
<b>Safety at Scale: A Comprehensive Survey of Large Model and Agent Safety</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>Shortcuts Everywhere and Nowhere: Exploring Multi-Trigger Backdoor Attacks</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>BadPatch: Diffusion-Based Generation of Physical Adversarial Patches</b>
|
| github.com |
[Code]
|
| github.com |
[AdvT-shirt-1K Dataset]
|
| arxiv.org |
<b>IDEATOR: Jailbreaking and Benchmarking Large Vision-Language Models Using Themselves</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>
Free-Form Motion Control: Controlling the 6D Poses of Camera and Objects in Video Generation</b>
|
| arxiv.org |
<b>T2UE: Generating Unlearnable Examples from Text Descriptions</b>
|
| arxiv.org |
<b>From Failures to Fixes: LLM-Driven Scenario Repair for Self-Evolving Autonomous Driving</b>
|
| xinyuxia97.github.io |
[Code]
|
| arxiv.org |
<b>BrokenVideos: A Benchmark Dataset for Fine-Grained Artifact Localization in AI-Generated Videos</b>
|
| broken-video-detection-datetsets.github.io |
[Code]
|
| arxiv.org |
<b>X-Transfer Attacks: Towards Super Transferable Adversarial Attacks on CLIP</b>
|
| github.com |
[Code]
|
| hanxunh.github.io |
[Project]
|
| huggingface.co |
[HuggingFace demo]
|
| arxiv.org |
<b>Towards Million-Scale Adversarial Robustness Evaluation With Stronger Individual Attacks</b>
|
| opentai.org |
[Project]
|
| arxiv.org |
<b>TAPT: Test-Time Adversarial Prompt Tuning for Robust Inference in Vision-Language Models</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>AnyAttack: Towards Large-scale Self-supervised Adversarial Attacks on Vision-Language Models</b>
|
| github.com |
[Code]
|
| jiamingzhang94.github.io |
[Project]
|
| arxiv.org |
<b>BlueSuffix: Reinforced Blue Teaming for Vision-Language Models Against Jailbreak Attacks</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>Detecting Backdoor Samples in Contrastive Language Image Pretraining</b>
|
| github.com |
[Code]
|
| hanxunh.github.io |
[Project]
|
| arxiv.org |
<b>AIM: Additional Image Guided Generation of Transferable Adversarial Attacks</b>
|
| arxiv.org |
<b>CALM: Curiosity-Driven Auditing for Large Language Models</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>
HoneypotNet: Backdoor Attacks Against Model Extraction</b>
|
| openreview.net |
<b>
Optimizing Cross-Client Domain Coverage for Federated Instruction Tuning of Large Language Models</b>
|
| arxiv.org |
<b>
Learning from Heterogeneity: A Dynamic Learning Framework for Hypergraphs</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>UnSeg: One Universal Unlearnable Example Generator is Enough against All Image Segmentation</b>
|
| arxiv.org |
<b>ModelLock: Locking Your Model With a Spell</b>
|
| arxiv.org |
<b>White-box Multimodal Jailbreaks Against Large Vision-Language Models</b>
|
| arxiv.org |
<b>AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>Fuse Your Latents: Video Editing with Multi-source Latent Diffusion Models</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>Adversarial Prompt Tuning for Vision-Language Models</b>
|
| github.com |
[Code]
|
| arxiv.org |
<b>Constrained Intrinsic Motivation for Reinforcement Learning</b>
|
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://xingjunm.github.io/publications готова к продвижению на 58%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: