Анализ сайта uchicago-llm-course.github.io
Основное Готовность: 100%
Домен
uchicago-llm-course.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://uchicago-llm-course.github.io
301 MovedPermanently
https://uchicago-llm-course.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.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 01.11.2026 2:38:01.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
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
~0,4сек
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 0,4сек оптимальна.
Объем документа
25Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 25Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 5
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 5 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://maxcdn.bootstrapcdn.com/bootstrap/3.2.0/css/bootstrap.min.css | |
| stylesheet | text/css | style.css |
| stylesheet | https://maxcdn.bootstrapcdn.com/font-awesome/4.4.0/css/font-awesome.min.css | |
| js | https://ajax.googleapis.com/ajax/libs/jquery/1.11.1/jquery.min.js | |
| js | https://maxcdn.bootstrapcdn.com/bootstrap/3.2.0/js/bootstrap.min.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 |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "6a0b3567-64d4" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 3044:0A05:1CBD7F:1F1C4F:6A8A6655 |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 03:17:41 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270046-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787455062.698350,VS0,VE113 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 62aa75e391ed8da43999171ea614c1287c7d9112 |
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
UChicago Large Language Models Course
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: 37, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
UChicago Large Language Models course (Spring 2025) covering mechanistic interpretability, alignment, and agents.
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: 113, 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://uchicago-llm-course.github.io/
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, user-scalable=no, 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».
Meta-тег viewport со значением user-scalable определяет доступность масштабирования страницы пользователем.
Разметка OpenGraph
Кол-во: 4
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 | UChicago Large Language Models Course |
| og:description | Advanced LLM course at University of Chicago covering mechanistic interpretability, alignment, and agents. |
| og:type | website |
| og:url | https://uchicago-llm-course.github.io/ |
Все мета-теги
Кол-во: 10
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 10шт. 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, user-scalable=no, initial-scale=1 |
| name | description | UChicago Large Language Models course (Spring 2025) covering mechanistic interpretability, alignment, and agents. |
| name | author | Chenhao Tan |
| name | twitter:card | summary |
| name | twitter:title | UChicago Large Language Models Course |
| name | twitter:description | Advanced LLM course at University of Chicago covering mechanistic interpretability, alignment, and agents. |
| property | og:title | UChicago Large Language Models Course |
| property | og:description | Advanced LLM course at University of Chicago covering mechanistic interpretability, alignment, and agents. |
| property | og:type | website |
| property | og:url | https://uchicago-llm-course.github.io/ |
Оптимизация Готовность: 87%
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.
Абзацев с текстом 9 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Слова из title 5 встречаются в тексте достаточно.
Среднее число слов в абзаце 41 достаточно.
Кол-во знаков контента 10411 на странице оптимально.
Кол-во слов 1612 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> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 7. Это хорошо.
На странице присутствуют заголовки <h3> 16.
Тошнота
4,80
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 3. Измените текст страницы!
Академич. тошнота
10,86%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота страницы в пределах нормы.
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 |
|---|---|---|
| models | 23 | 1,43% |
| language | 21 | 1,30% |
| lecture | 18 | 1,12% |
| course | 9 | 0,56% |
| research | 8 | 0,50% |
| project | 7 | 0,43% |
| agents | 7 | 0,43% |
| learning | 6 | 0,37% |
| interpretability | 6 | 0,37% |
| alignment | 6 | 0,37% |
| assignments | 6 | 0,37% |
| students | 5 | 0,31% |
| geometry | 5 | 0,31% |
| training | 5 | 0,31% |
| coursework | 4 | 0,25% |
| machine | 4 | 0,25% |
| through | 4 | 0,25% |
| sparse | 4 | 0,25% |
| autoencoders | 4 | 0,25% |
| scalable | 4 | 0,25% |
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 83 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: 15
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 15 оптимально.
На странице присутствуют изображения 1.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /index.html |
CMSC 25750/35750
|
|
Анализировать url |
| /spring2026-lectures/lecture-01/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-02/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-03/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-04/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-05/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-06/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-07/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-08/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-09/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-10/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-11/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-12/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-13/ |
Lecture
|
|
Анализировать url |
| /spring2026-lectures/lecture-14/ |
Lecture
|
|
Анализировать url |
Внешние ссылки
Кол-во: 62
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 62 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| modal.com |
Modal
|
Анализировать url |
| college.uchicago.edu |
Academic Honesty
|
Анализировать url |
| github.com |
NeuriCo
|
Анализировать url |
| learn.arena.education |
Alignment Research Engineer Accelerator
|
Анализировать url |
| arxiv.org |
What Does BERT Look At? An Analysis of BERT's Attention
|
Анализировать url |
| github.com |
BertViz
|
Анализировать url |
| arxiv.org |
Interpretability in the Wild: a Circuit for Indirect Object Identification in GPT-2 small
|
Анализировать url |
| arxiv.org |
Function Vectors in Large Language Models
|
Анализировать url |
| arxiv.org |
Locating and Editing Factual Associations in GPT
|
Анализировать url |
| arxiv.org |
What does the Knowledge Neuron Thesis Have to do with Knowledge?
|
Анализировать url |
| arxiv.org |
Transformer Feed-Forward Layers Are Key-Value Memories
|
Анализировать url |
| transformer-circuits.pub |
A Mathematical Framework for Transformer Circuits
|
Анализировать url |
| transformer-circuits.pub |
In-context Learning and Induction Heads
|
Анализировать url |
| lesswrong.com |
interpreting GPT: the logit lens
|
Анализировать url |
| toddnief.com |
Todd Nief
|
Анализировать url |
| drive.google.com |
Slides
|
Анализировать url |
| arxiv.org |
The Linear Representation Hypothesis and the Geometry of Large Language Models
|
Анализировать url |
| arxiv.org |
The Information Geometry of Softmax: Probing and Steering
|
Анализировать url |
| arxiv.org |
The Geometry of Truth
|
Анализировать url |
| transformer-circuits.pub |
Toy Models of Superposition
|
Анализировать url |
| transformer-circuits.pub |
Towards Monosemanticity: Decomposing Language Models With Dictionary Learning
|
Анализировать url |
| arxiv.org |
Scaling and Evaluating Sparse Autoencoders
|
Анализировать url |
| arxiv.org |
Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting
|
Анализировать url |
| arxiv.org |
Monitoring Reasoning Models for Misbehavior and the Risks of Promoting Obfuscation
|
Анализировать url |
| arxiv.org |
Chain of Thought Monitorability: A New and Fragile Opportunity for AI Safety
|
Анализировать url |
| biorxiv.org |
From Mechanistic Interpretability to Mechanistic Biology: Training, Evaluating, and Interpreting Sparse Autoencoders on Protein Language Models
|
Анализировать url |
| pnas.org |
Protein Language Models Learn Evolutionary Statistics of Interacting Sequence Motifs
|
Анализировать url |
| arxiv.org |
BERTology Meets Biology: Interpreting Attention in Protein Language Models
|
Анализировать url |
| arxiv.org |
Concrete Problems in AI Safety
|
Анализировать url |
| alignmentforum.org |
What Failure Looks Like
|
Анализировать url |
| arxiv.org |
Scheming AIs: Will AIs Fake Alignment During Training in Order to Get Power?
|
Анализировать url |
| arxiv.org |
Debating with More Persuasive LLMs Leads to More Truthful Answers
|
Анализировать url |
| arxiv.org |
On Scalable Oversight with Weak LLMs Judging Strong LLMs
|
Анализировать url |
| arxiv.org |
Measuring Progress on Scalable Oversight for Large Language Models
|
Анализировать url |
| shi-feng.super.site |
Shi Feng
|
Анализировать url |
| arxiv.org |
Emergent Misalignment: Narrow Finetuning Can Produce Broadly Misaligned LLMs
|
Анализировать url |
| arxiv.org |
Risks from Learned Optimization in Advanced Machine Learning Systems
|
Анализировать url |
| arxiv.org |
Alignment Faking in Large Language Models
|
Анализировать url |
| lesswrong.com |
Sycophancy Towards Researchers Drives Performative Misalignment
|
Анализировать url |
| lesswrong.com |
Self-Recognition Finetuning can Reverse and Prevent Emergent Misalignment
|
Анализировать url |
| arxiv.org |
Towards Understanding Sycophancy in Language Models
|
Анализировать url |
| arxiv.org |
Open Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback
|
Анализировать url |
| arxiv.org |
Sycophancy to Subterfuge: Investigating Reward Tampering in Language Models
|
Анализировать url |
| arxiv.org |
Sleeper Agents: Training Deceptive LLMs that Persist Through Safety Training
|
Анализировать url |
| arxiv.org |
AI Sandbagging: Language Models can Strategically Underperform on Evaluations
|
Анализировать url |
| arxiv.org |
Frontier Models are Capable of In-context Scheming
|
Анализировать url |
| ofir.io |
Ofir Press
|
Анализировать url |
| arxiv.org |
SWE-bench: Can Language Models Resolve Real-World GitHub Issues?
|
Анализировать url |
| arxiv.org |
SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering
|
Анализировать url |
| arxiv.org |
CodeClash: Benchmarking Goal-Oriented Software Engineering
|
Анализировать url |
| arxiv.org |
Agentless: Demystifying LLM-based Software Engineering Agents
|
Анализировать url |
| arxiv.org |
ReAct: Synergizing Reasoning and Acting in Language Models
|
Анализировать url |
| arxiv.org |
AlphaEvolve: A Gemini-based Coding Agent for Mathematical and Algorithmic Discovery
|
Анализировать url |
| arxiv.org |
Agent Laboratory: Using LLM Agents as Research Assistants
|
Анализировать url |
| arxiv.org |
The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research
|
Анализировать url |
| arxiv.org |
Generative Agents: Interactive Simulacra of Human Behavior
|
Анализировать url |
| cambridge.org |
Synthetic Replacements for Human Survey Data? The Perils of Large Language Models
|
Анализировать url |
| arxiv.org |
Out of One, Many: Using Language Models to Simulate Human Samples
|
Анализировать url |
| pnas.org |
Superhuman Artificial Intelligence Can Improve Human Decision-Making by Increasing Novelty
|
Анализировать url |
| arxiv.org |
How AI Impacts Skill Formation
|
Анализировать url |
| arxiv.org |
Machine Explanations and Human Understanding
|
Анализировать url |
| stanford-cs336.github.io |
Stanford CS336
|
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
Выполнен подробный анализ сайта uchicago-llm-course.github.io: готовность на 59%. Чтобы выполнить все условия и попасть на первую страницу выдачи поисковых систем требуется:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: