Анализ сайта kpzhang93.github.io
Основное Готовность: 20%
Домен
kpzhang93.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.
Безопасность
Сайт небезопасен
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 не найден защищенный протокол ssl и сайт не открывается по https!
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
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
~0,22сек
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 0,22сек оптимальна.
Объем документа
50Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 50Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 15
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 15 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | ./src/main.css | |
| stylesheet | ./src/bootstrap.min.css | |
| stylesheet | ./src/bootstrap-theme.min.css | |
| stylesheet | ./src/bootstrap-navbar-custom.css | |
| stylesheet | ./src/scrolling-nav.css | |
| stylesheet | ./src/mfp.css | |
| stylesheet | ./src/font-awesome-4.7.0/css/font-awesome.min.css | |
| js | ./src/analytics.js | |
| js | https://buttons.github.io/buttons.js | |
| js | text/javascript | ./src/jquery-1.11.0.js |
| js | ./src/bootstrap.min.js | |
| js | ./src/jquery.easing.min.js | |
| js | ./src/scrolling-nav.js | |
| js | ./src/mfp.js | |
| js | text/javascript | ./src/main.js |
Серверные заголовки
Кол-во: 18
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 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Connection | keep-alive |
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| ETag | "6a64b372-c977" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| X-GitHub-Request-Id | EC98:0A74:15496C:1708FD:6A89F0E2 |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 18:56:35 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270039-BMA |
| X-Cache | MISS |
| X-Cache-Hits | 0 |
| X-Timer | S1787424995.146012,VS0,VE117 |
| Vary | Accept-Encoding |
| X-Fastly-Request-ID | f4d76c0dc0c9b1b27cfbbae8a554a6bd83e2800f |
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: 32%
Title
Kaipeng Zhang
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: 13, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
kpzhang93.github.io :
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 увеличить число символов в description (текущее значение мало: 22, минимум: 80, 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=1.0
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
Не найдено
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 не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 3
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 3шт. 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 | kpzhang93.github.io : |
| name | viewport | width=device-width, initial-scale=1.0 |
| name | author | kpzhang |
Оптимизация Готовность: 35%
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 единственном 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 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 7 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 37 достаточно.
Кол-во знаков контента 19824 на странице оптимально.
Кол-во слов 2969 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> 6. Это хорошо.
Тошнота
8,06
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
55,10%
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 |
|---|---|---|
| kaipeng | 65 | 2,19% |
| models | 22 | 0,74% |
| chuanhao | 20 | 0,67% |
| generation | 18 | 0,61% |
| multimodal | 13 | 0,44% |
| jiaxin | 13 | 0,44% |
| fanrui | 12 | 0,40% |
| benchmark | 12 | 0,40% |
| jianwen | 11 | 0,37% |
| yukang | 11 | 0,37% |
| zizhen | 11 | 0,37% |
| vision-language | 10 | 0,34% |
| dataset | 9 | 0,30% |
| [neurips | 9 | 0,30% |
| neurips | 8 | 0,27% |
| pengfei | 8 | 0,27% |
| language | 8 | 0,27% |
| recognition | 8 | 0,27% |
| university | 7 | 0,24% |
| wenshuo | 7 | 0,24% |
Индексация Готовность: 0%
Индексирование
Ошибок нет
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 130 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Не найден
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.
Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.
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: 13
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 13 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Surprise Forcing: What to Remember, When to Skip in Long Video Generation
|
|
Анализировать url |
| / |
PyVision-RL: Forging Open Agentic Vision Models via RL
|
|
Анализировать url |
| / |
Closing the Expression Gap in LLM Instructions via Socratic Questioning
|
|
Анализировать url |
| / |
MatchMask: Mask-Centric Generative Data Augmentation for Label-Scarce Semantic Segmentation
|
|
Анализировать url |
| / |
From Static Snapshots to Dynamic Trajectories: Evaluating and Enhancing the Learning Pathways of Multimodal Large Language Models
|
|
Анализировать url |
| / |
InMind: Evaluating LLMs in Capturing and Applying Individual Human Reasoning Styles
|
|
Анализировать url |
| / |
ProJudge: A Multi-Modal Multi-Discipline Benchmark and Instruction-Tuning Dataset for MLLM-based Process Judges
|
|
Анализировать url |
| / |
Neighboring Autoregressive Modeling for Efficient Visual Generation
|
|
Анализировать url |
| / |
ZipVL: Accelerating Vision-Language Models through Dynamic Token Sparsity
|
|
Анализировать url |
| / |
LiT: Delving into a Simple Linear Diffusion Transformer for Image Generation
|
|
Анализировать url |
| / |
MPBench: A Comprehensive Multimodal Reasoning Benchmark for Process Errors Identification
|
|
Анализировать url |
| / |
EfficientQAT: Efficient Quantization-Aware Training for Large Language Models
|
|
Анализировать url |
| / |
HarmoniDPO: Video-guided Audio Generation via Preference-Optimized Diffusion
|
|
Анализировать url |
Внешние ссылки
Кол-во: 101
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 101 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| github.com |
<i class="fa fa-github-square fa-3x" aria-hidden="true"></i>
|
Анализировать url |
| scholar.google.com |
<i class="fa fa-graduation-cap fa-2x" aria-hidden="true"></i>
|
Анализировать url |
| alayalab.ai |
Alaya Lab
|
Анализировать url |
| alaya-lab.github.io |
AlayaWorld
|
Анализировать url |
| stdstu12.github.io |
Yume1.5
|
Анализировать url |
| github.com |
Yume
|
Анализировать url |
| lixsp11.github.io |
Sekai
|
Анализировать url |
| alaya-studio.github.io |
WildWorld
|
Анализировать url |
| arxiv.org |
MMT-Bench
|
Анализировать url |
| opening-benchmark.github.io |
OpenING
|
Анализировать url |
| openreview.net |
MMIU
|
Анализировать url |
| github.com |
ConvBench
|
Анализировать url |
| github.com |
LongCLI-Bench
|
Анализировать url |
| agent-x.space |
PyVision
|
Анализировать url |
| arxiv.org |
ProsoftArena
|
Анализировать url |
| github.com |
InternVL
|
Анализировать url |
| github.com |
MM-Eureka
|
Анализировать url |
| arxiv.org |
LVLM-eHub
|
Анализировать url |
| yangzhou24.github.io |
OmniWorld
|
Анализировать url |
| kxgong.github.io |
Meta-Transformer
|
Анализировать url |
| arxiv.org |
Lumina-Next
|
Анализировать url |
| kxgong.github.io |
OneLLM
|
Анализировать url |
| arxiv.org |
GUIOdyssey
|
Анализировать url |
| sites.google.com |
Yoichi Sato
|
Анализировать url |
| winstonhsu.info |
Winston Hsu
|
Анализировать url |
| lightchaserx.github.io |
Zhixiang Wang
|
Анализировать url |
| scholar.google.com |
Yu Qiao
|
Анализировать url |
| scholar.google.com |
Wenqi Shao
|
Анализировать url |
| scholar.google.com |
Tong He
|
Анализировать url |
| alaya-lab.github.io |
AlayaWorld: Long-Horizon and Playable Video World Generation
|
Анализировать url |
| alaya-renderer-flash.alayalab.ai |
Generative world renderer at the speed of play
|
Анализировать url |
| arxiv.org |
From Pixels to States: Rethinking Interactive World Models as Game Engines
|
Анализировать url |
| alayalab.github.io |
AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents
|
Анализировать url |
| arxiv.org |
JAMER: Project-Level Code Framework Dataset and Benchmark on Professional Game Engines
|
Анализировать url |
| arxiv.org |
AutoBG: A Board Game Design Assistant with Interactive Ideation, Iterative Rulebook Generation, and Individualized Feedback
|
Анализировать url |
| arxiv.org |
ComAct: Reframing Professional Software Manipulation via COM-as-Action Paradigm
|
Анализировать url |
| alaya-studio.github.io |
WorldMark: A Unified Benchmark Suite for Interactive Video World Models
|
Анализировать url |
| alaya-studio.github.io |
Generative World Renderer
|
Анализировать url |
| stdstu12.github.io |
Yume: An Interactive World Generation Model
|
Анализировать url |
| arxiv.org |
OmniCustom: Sync Audio-Video Customization Via Joint Audio-Video Generation Model
|
Анализировать url |
| arxiv.org |
Faithful, Enriched, and Precise: Benchmarking Natural-Science Illustration Generation by T2I models
|
Анализировать url |
| arxiv.org |
YoCausal: How Far is Video Generation from World Model? A Causality Perspective
|
Анализировать url |
| agent-x.space |
PyVision: Agentic Vision with Dynamic Tooling
|
Анализировать url |
| alaya-studio.github.io |
WildWorld: A Large-Scale Dataset for Dynamic World Modeling with Actions and Explicit State toward Generative ARPG
|
Анализировать url |
| github.com |
PackForcing: Short Video Training Suffices for Long Video Sampling and Long Context Inference
|
Анализировать url |
| arxiv.org |
TIR-Bench: A Comprehensive Benchmark for Agentic Thinking-with-Images Reasoning
|
Анализировать url |
| arxiv.org |
Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection
|
Анализировать url |
| github.com |
MeepleLM: A Virtual Playtester Simulating Diverse Subjective Experiences
|
Анализировать url |
| github.com |
LongCLI-Bench: A Preliminary Benchmark and Study for Long-horizon Agentic Programming in Command-Line Interfaces
|
Анализировать url |
| stdstu12.github.io |
Yume1.5: A Text-Controlled Interactive World Generation Model
|
Анализировать url |
| arxiv.org |
SVBench: Evaluation of Video Generation Models on Social Reasoning
|
Анализировать url |
| arxiv.org |
ProSoftArena: Evaluating Hierarchical Capabilities of Multimodal Agents in Professional Software Environments
|
Анализировать url |
| arxiv.org |
A High-Quality Dataset and Reliable Evaluation for Interleaved Image-Text Generation
|
Анализировать url |
| yangzhou24.github.io |
OmniWorld: A Multi-Domain and Multi-Modal Dataset for 4D World Modeling
|
Анализировать url |
| arxiv.org |
InternSpatial: A Comprehensive Dataset for Spatial Reasoning in Vision-Language Models
|
Анализировать url |
| arxiv.org |
MDK12-Bench: A Multi-Discipline Benchmark for Evaluating Reasoning in Multimodal Large Language Models
|
Анализировать url |
| openreview.net |
Think or not think: A study of explicit thinking in rule-based visual reinforcement fine-tuning
|
Анализировать url |
| lixsp11.github.io |
Sekai: A Video Dataset towards World Exploration
|
Анализировать url |
| openreview.net |
Neural-Driven Image Editing
|
Анализировать url |
| openreview.net |
REPA Works Until It Doesn't: Early-Stopped, Holistic Alignment Supercharges Diffusion Training
|
Анализировать url |
| arxiv.org |
GUIOdyssey: A Comprehensive Dataset for Cross-App GUI Navigation on Mobile Devices
|
Анализировать url |
| arxiv.org |
ZipAR: Accelerating Auto-regressive Image Generation through Spatial Locality
|
Анализировать url |
| arxiv.org |
Towards World Simulator: Crafting Physical Commonsense-Based Benchmark for Video Generation
|
Анализировать url |
| arxiv.org |
TP-Eval: Tap Multimodal LLMs' Potential in Evaluation by Customizing Prompts
|
Анализировать url |
| opening-benchmark.github.io |
OpenING: A Comprehensive Benchmark for Judging Open-ended Interleaved Image-Text Generation
|
Анализировать url |
| openreview.net |
Dynamic Multimodal Evaluation with Flexible Complexity by Vision-Language Bootstrapping
|
Анализировать url |
| openreview.net |
SAMRefiner: Taming Segment Anything Model for Universal Mask Refinement
|
Анализировать url |
| openreview.net |
MMIU: Multimodal Multi-image Understanding for Evaluating Large Vision-Language Models
|
Анализировать url |
| github.com |
ConvBench: A Multi-Turn Conversation Evaluation Benchmark with Hierarchical Capability for Large Vision-Language Models
|
Анализировать url |
| arxiv.org |
SearchLVLMs: A Plug-and-Play Framework for Augmenting Large Vision-Language Models by Searching Up-to-Date Internet Knowledge
|
Анализировать url |
| arxiv.org |
Rethinking Human Evaluation Protocol for Text-to-Video Models: Enhancing Reliability, Reproducibility, and Practicality
|
Анализировать url |
| arxiv.org |
Needle In A Multimodal Haystack
|
Анализировать url |
| arxiv.org |
Lumina-Next: Making Lumina-T2X Stronger and Faster with Next-DiT
|
Анализировать url |
| arxiv.org |
Towards Implicit Prompt For Text-To-Image Models
|
Анализировать url |
| arxiv.org |
MMT-Bench: A Comprehensive Multimodal Benchmark for Evaluating Large Vision-Language Models Towards Multitask AGI
|
Анализировать url |
| arxiv.org |
SPHINX-X: Scaling Data and Parameters for a Family of Multi-modal Large Language Models
|
Анализировать url |
| arxiv.org |
DiffAgent: Fast and Accurate Text-to-Image API Selection with Large Language Model
|
Анализировать url |
| kxgong.github.io |
OneLLM: One Framework to Align All Modalities with Language
|
Анализировать url |
| arxiv.org |
T3M: Text Guided 3D Human Motion Synthesis from Speech
|
Анализировать url |
| arxiv.org |
ChartAssistant: A Universal Chart Multimodal Language Model via Chart-to-Table Pre-training and Multitask Instruction Tuning
|
Анализировать url |
| arxiv.org |
Towards Lossless Dataset Distillation via Difficulty-Aligned Trajectory Matching
|
Анализировать url |
| openreview.net |
OmniQuant: Omnidirectionally Calibrated Quantization for Large Language Models
|
Анализировать url |
| ojs.aaai.org |
Data Adaptive Traceback for Vision-Language Foundation Models in Image Classification
|
Анализировать url |
| ojs.aaai.org |
TagCLIP: A Local-to-Global Framework to Enhance Open-Vocabulary Multi-Label Classification of CLIP Without Training
|
Анализировать url |
| arxiv.org |
Align, Adapt and Inject: Audio-Guided Image Generation, Editing and Stylization
|
Анализировать url |
| arxiv.org |
Open-Vocabulary Animal Keypoint Detection with Semantic-feature Matching
|
Анализировать url |
| arxiv.org |
LVLM-eHub: A Comprehensive Evaluation Benchmark for Large Vision-Language Models
|
Анализировать url |
| arxiv.org |
B-AVIBench: Towards Evaluating the Robustness of Large Vision-Language Model on Black-box Adversarial Visual-Instructions
|
Анализировать url |
| arxiv.org |
Tiny LVLM-eHub: Early Multimodal Experiments with Bard
|
Анализировать url |
| ieeexplore.ieee.org |
HF-HRNet: a simple hardware friendly high-resolution network
|
Анализировать url |
| sciencedirect.com |
FMGNet: An efficient feature-multiplex group network for real-time vision task
|
Анализировать url |
| mllm2024.github.io |
From Multimodal LLM to Human-level AI: Evaluations and Benchmarks
|
Анализировать url |
| worldaic.com.cn |
WAIC Young Outstanding Paper Award
|
Анализировать url |
| sites.google.com |
Emotion Recognition in the Wild
|
Анализировать url |
| sites.google.com |
Emotion Recognition in the Wild
|
Анализировать url |
| iab-rubric.org |
Disguised Faces in the Wild Challenge
|
Анализировать url |
| sites.google.com |
Emotion Recognition in the Wild
|
Анализировать url |
| sites.google.com |
Emotion Recognition in the Wild
|
Анализировать url |
| gesture.chalearn.org |
ChaLearn Looking at People Challenge
|
Анализировать url |
| gesture.chalearn.org |
ChaLearn Looking at People Challenge
|
Анализировать url |
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
Оптимизация сайта kpzhang93.github.io выполнена всего на 22%. Чтобы исправить ситуацию и попасть в ТОП необходимо:
Постарайтесь исправить общие ошибки.
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: