Анализ сайта shizhediao.github.io
Основное Готовность: 100%
Домен
shizhediao.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:
http://shizhediao.github.io
301 MovedPermanently
https://shizhediao.github.io/
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.
HTTP автоматически перенаправляется на HTTPS.
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
~0,57сек
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 0,57сек оптимальна.
Объем документа
28Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 28Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 6
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 6 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://fonts.googleapis.com/css2?family=Open+Sans:wght@400;600;700&display=swap | |
| stylesheet | text/css | style/my.css |
| js | https://www.googletagmanager.com/gtag/js?id=UA-110065423-1 | |
| js | https://cdn.staticfile.net/foundation/5.5.3/js/foundation.min.js | |
| js | https://cdn.staticfile.net/foundation/5.5.3/js/vendor/modernizr.js | |
| js | https://code.jquery.com/jquery-3.6.0.min.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 | "6a22d3b4-7342" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | AEA8:1073C4:13D920A:1400FFB:6A893CB2 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 06:07:46 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230073-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787378867.639769,VS0,VE195 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 54676263db4fb5acad4d06122b4fd99100a9aac6 |
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
Shizhe Diao
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: 11, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
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.
Установите мета-тег description!
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
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: 1
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 1шт. 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 |
Оптимизация Готовность: 27%
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 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 1 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 78 достаточно.
Кол-во знаков контента 13643 на странице оптимально.
Кол-во слов 2058 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 <h3> 8.
Тошнота
5,92
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
142,91%
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 |
|---|---|---|
| shizhe | 35 | 1,70% |
| models | 18 | 0,87% |
| language | 17 | 0,83% |
| accepted | 16 | 0,78% |
| research | 14 | 0,68% |
| university | 11 | 0,53% |
| learning | 9 | 0,44% |
| neurips | 8 | 0,39% |
| papers | 7 | 0,34% |
| reasoning | 7 | 0,34% |
| findings | 7 | 0,34% |
| jipeng | 7 | 0,34% |
| invited | 7 | 0,34% |
| hosted | 6 | 0,29% |
| efficient | 5 | 0,24% |
| excited | 5 | 0,24% |
| pre-training | 5 | 0,24% |
| alignment | 5 | 0,24% |
| molchanov | 5 | 0,24% |
| renjie | 5 | 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 106 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: 1
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 1 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /docs/certificate.pdf |
Runner-up, World Robot Olympiad (WRO), New Delhi, India, 2016
|
|
Внешние ссылки
Кол-во: 94
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 94 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| thinkingmachines.ai |
Thinking Machines Lab
|
Анализировать url |
| blender.cs.illinois.edu |
University of Illinois at Urbana-Champaign
|
Анализировать url |
| blender.cs.illinois.edu |
Heng Ji
|
Анализировать url |
| tongzhang-ml.org |
Tong Zhang
|
Анализировать url |
| thinkingmachines.ai |
Thinking Machines Lab
|
Анализировать url |
| huggingface.co |
ClimbMix
|
Анализировать url |
| github.com |
NanoChat speedrun
|
Анализировать url |
| arxiv.org |
Golden Goose
|
Анализировать url |
| arxiv.org |
GDPO
|
Анализировать url |
| arxiv.org |
ToolOrchestra
|
Анализировать url |
| huggingface.co |
GAIA benchmark
|
Анализировать url |
| research.nvidia.com |
[Homepage]
|
Анализировать url |
| huggingface.co |
[Model]
|
Анализировать url |
| huggingface.co |
[Data]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| huggingface.co |
ProfBench
|
Анализировать url |
| arxiv.org |
BroRL: Scaling Reinforcement Learning via Broadened Exploration
|
Анализировать url |
| arxiv.org |
Fast-dLLM v2: Efficient Block-Diffusion LLM
|
Анализировать url |
| research.nvidia.com |
NVIDIA-Nemotron-Nano-v2-9B
|
Анализировать url |
| hijkzzz.notion.site |
ProRL v2
|
Анализировать url |
| arxiv.org |
ProRL
|
Анализировать url |
| huggingface.co |
Nemotron-Research-Reasoning-Qwen-1.5B
|
Анализировать url |
| arxiv.org |
Fast-dLLM
|
Анализировать url |
| arxiv.org |
CLIMB
|
Анализировать url |
| huggingface.co |
ClimbLab
|
Анализировать url |
| huggingface.co |
ClimbMix
|
Анализировать url |
| research.nvidia.com |
Homepage
|
Анализировать url |
| arxiv.org |
Hymba
|
Анализировать url |
| openreview.net |
LongMamba
|
Анализировать url |
| arxiv.org |
Hymba
|
Анализировать url |
| arxiv.org |
Entropy-Regularized Process Reward Model
|
Анализировать url |
| arxiv.org |
R-Tuning
|
Анализировать url |
| github.com |
LMFlow
|
Анализировать url |
| arxiv.org |
Active-Prompt
|
Анализировать url |
| arxiv.org |
Directional Preference Alignment
|
Анализировать url |
| arxiv.org |
Prompt Learning using Metaheuristic
|
Анализировать url |
| github.com |
LMFlow
|
Анализировать url |
| arxiv.org |
R-Tuning
|
Анализировать url |
| arxiv.org |
RAFT
|
Анализировать url |
| blender.cs.illinois.edu |
BLENDER LAB@UIUC
|
Анализировать url |
| github.com |
LMFlow
|
Анализировать url |
| github.com |
paper list
|
Анализировать url |
| scholar.google.com |
Full List
|
Анализировать url |
| arxiv.org |
ProfBench: Multi-Domain Rubrics requiring Professional Knowledge to Answer and Judge
|
Анализировать url |
| arxiv.org |
Nemotron-CLIMB: Clustering-based Iterative Data Mixture Bootstrapping for Language Model Pre-training
|
Анализировать url |
| arxiv.org |
ProRL: Prolonged Reinforcement Learning Expands Reasoning Boundaries in Large Language Models
|
Анализировать url |
| arxiv.org |
Nemotron-Flash: Towards Latency-Optimal Hybrid Small Language Models
|
Анализировать url |
| arxiv.org |
UGPhysics: A Comprehensive Benchmark for Undergraduate Physics Reasoning with Large Language Models
|
Анализировать url |
| arxiv.org |
Entropy-Regularized Process Reward Model
|
Анализировать url |
| arxiv.org |
Can We Verify Step by Step for Incorrect Answer Detection?
|
Анализировать url |
| arxiv.org |
Hymba: A Hybrid-head Architecture for Small Language Models
|
Анализировать url |
| arxiv.org |
LISA: Layerwise Importance Sampling for Memory-Efficient Large Language Model Fine-Tuning
|
Анализировать url |
| arxiv.org |
SaySelf: Teaching LLMs to Express Confidence with Self-Reflective Rationales
|
Анализировать url |
| arxiv.org |
Mitigating the Alignment Tax of RLHF
|
Анализировать url |
| arxiv.org |
TheoremLlama: Transforming General-Purpose LLMs into Lean4 Experts
|
Анализировать url |
| arxiv.org |
Active Prompting with Chain-of-Thought for Large Language Models
|
Анализировать url |
| arxiv.org |
Arithmetic Control of LLMs for Diverse User Preferences: Directional Preference Alignment with Multi-Objective Rewards
|
Анализировать url |
| arxiv.org |
Plum: Prompt Learning using Metaheuristic
|
Анализировать url |
| arxiv.org |
LMFlow: An Extensible Toolkit for Finetuning and Inference of Large Foundation Models
|
Анализировать url |
| arxiv.org |
R-Tuning: Instructing Large Language Models to Say `I Don't Know'
|
Анализировать url |
| arxiv.org |
UniTime: A Language-Empowered Unified Model for Cross-Domain Time Series Forecasting
|
Анализировать url |
| arxiv.org |
RAFT: Reward rAnked FineTuning for Generative Foundation Model Alignment
|
Анализировать url |
| arxiv.org |
Automatic Prompt Augmentation and Selection with Chain-of-Thought from Labeled Data
|
Анализировать url |
| arxiv.org |
DetGPT: Detect What You Need via Reasoning
|
Анализировать url |
| aclanthology.org |
Doolittle: Benchmarks and Corpora for Academic Writing Formalization
|
Анализировать url |
| arxiv.org |
Towards Unifying Medical Vision-and-Language Pre-training via Soft Prompts
|
Анализировать url |
| arxiv.org |
Mixture-of-Domain-Adapters: Decoupling and Injecting Domain Knowledge to Pre-trained Language Models' Memories
|
Анализировать url |
| arxiv.org |
On the Difference of BERT-style and CLIP-style Text Encoders
|
Анализировать url |
| arxiv.org |
Write and Paint: Generative Vision-Language Models are Unified Modal Learners
|
Анализировать url |
| arxiv.org |
Black-box Prompt Learning for Pre-trained Language Models
|
Анализировать url |
| arxiv.org |
Hashtag-Guided Low-Resource Tweet Classification
|
Анализировать url |
| arxiv.org |
VLUE: A Multi-Task Benchmark for Evaluating Vision-Language Models
|
Анализировать url |
| arxiv.org |
Efficient Neural Network Training via Forward and Backward Propagation Sparsification
|
Анализировать url |
| aclanthology.org |
Taming Pre-trained Language Models with N-gram Representations for Low-Resource Domain Adaptation
|
Анализировать url |
| aclanthology.org |
TILGAN: Transformer-based Implicit Latent GAN for Diverse and Coherent Text Generation
|
Анализировать url |
| aclanthology.org |
ZEN: Pre-training Chinese Text Encoder Enhanced by N-gram Representations
|
Анализировать url |
| engineering.virginia.edu |
Prof. Yu Meng
|
Анализировать url |
| cse595-umich.notion.site |
CSE 595: Natural Language Processing
|
Анализировать url |
| mars-tin.github.io |
Dr. Ziqiao Ma
|
Анализировать url |
| web.eecs.umich.edu |
Prof. Joyce Y. Chai
|
Анализировать url |
| cs.toronto.edu |
Prof. Annie Lee
|
Анализировать url |
| labhku.github.io |
CVMI Lab, The University of Hong Kong
|
Анализировать url |
| xjqi.github.io |
Prof. Xiaojuan Qi
|
Анализировать url |
| sites.google.com |
Prof. Qiang Sun
|
Анализировать url |
| bilibili.com |
[Recording]
|
Анализировать url |
| stanford.edu |
Prof. Mert Pilanci
|
Анализировать url |
| scholar.google.com |
Hang Li
|
Анализировать url |
| scholar.google.com |
Xinsong Zhang
|
Анализировать url |
| clksong.github.io |
Yan Song
|
Анализировать url |
| comp.nus.edu.sg |
Min-Yen Kan
|
Анализировать url |
| sites.google.com |
Wenqiang Lei
|
Анализировать url |
| wanxiaojun.github.io |
Xiaojun Wan
|
Анализировать url |
| en.wikipedia.org |
World Robot Olympiad (WRO)
|
Анализировать url |
| statcounter.com |
<img class="statcounter" src="//c.statcounter.com/11553029/0/844926d0/1/" alt="Web Analytics Made Easy - StatCounter">
|
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
Сайт shizhediao.github.io не совсем готов к продвижению (процент готовности лишь 40%). Для попадания в ТОПы поисковых систем нужно:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: