ZeyuChen / PaddleNLP
Easy-to-use and Fast NLP library with awesome model zoo, supporting wide-range of NLP tasks from research to industrial applications.
ZeyuChen/PaddleNLP tiene un índice de salud de 21 sobre 100, lo que lo sitúa en la banda En riesgo. Su puntuación más alta es Sustainability & Governance (79/100) y la más baja, Community & Adoption (12/100). Se actualizó por última vez hace 215 días. 6 personas concentran la mayor parte del trabajo reciente.
Índice de salud del software
Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.
Perfil de puntuación
Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.
El resultado global ponderado 40 se calibra a 35 en la escala publicada del índice (calibración del registro 2026-08-02).
Titularidad
Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.
Ecosistemas de paquetes
| Registro | Paquete | Versión | Descargas / mes | Versiones | Última publicación |
|---|---|---|---|---|---|
| PyPI | paddlenlpapunta a otro repositorio; no se puntúa | 2.8.1 | 15.910 | 95 | hace 811 días |
Métricas por categoría
Vitalidad
¿Está vivo el proyecto: se escribe código y se publican versiones?
Actividad de desarrollo
Ha llegado trabajo y nadie se ha ocupado de él
El silencio por sí solo nunca es el hallazgo: una biblioteca pequeña y terminada puede no necesitar commits durante años. Esta alerta exige ambas cosas: mucho tiempo sin un commit humano y obligaciones que el proyecto visiblemente no atiende. Los commits automatizados no cuentan como mantenimiento.
Cómo se evalúa el abandonoCómo se puntúa
| 3.6/36 | Recencia de push — último push hace 215 días |
| 0/36 | Cadencia de commits — 0/52 semanas con commits |
| 0/18 | Volumen de commits — 0 commits en el último año |
| 0/10 | OpenSSF Scorecard: Maintained — sin datos |
Datos de entrada utilizados
| commits_last_year | 0 |
| human_commit_share | 1 |
| days_since_last_push | 215 |
| active_weeks_last_year | 0 |
Disciplina de publicación
Cómo se puntúa
| 16.2/27 | Publica versiones — 18 etiquetas de versión (sin releases de GitHub) |
| 0/36 | Recencia de las versiones — última versión hace 1608 días |
| 27/27 | Cadencia de publicación — una versión cada ~28,8 días |
| 0/10 | OpenSSF Scorecard: Signed-Releases — sin datos |
Datos de entrada utilizados
| releases_count | 18 |
| latest_release_tag | v2.2.6 |
| releases_from_tags | sí |
| days_since_latest_release | 1608 |
| mean_days_between_releases | 28,8 |
Comunidad y Adopción
¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?
Popularidad y adopción
Cómo se puntúa
| 0/60 | Estrellas — 0 estrellas |
| 0/25 | Forks — 1 forks |
| 0/15 | Observadores — 0 observadores |
Datos de entrada utilizados
| forks | 1 |
| stars | 0 |
| watchers | 0 |
| growth_state | unverified |
| growth_factor_pct | 100 |
| growth_unverified_reason | no_history |
Salud de la comunidad
Cómo se puntúa
| 0/22.5 | README |
| 22.5/22.5 | Licencia — licencia reconocida (Apache-2.0) |
| 0/18 | Guía CONTRIBUTING |
| 0/13.5 | Código de conducta |
| 0/7.2 | Plantilla de issues |
| 0/6.3 | Plantilla de PR |
Datos de entrada utilizados
| has_readme | no |
| has_license | no |
| readme_badges | 4 |
| has_contributing | no |
| has_issue_template | no |
| has_code_of_conduct | no |
| readme_badge_services | shields.io |
| has_pull_request_template | no |
Sostenibilidad y Gobernanza
¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?
Resiliencia de mantenedores (factor bus)
Cómo se puntúa
| 48.6/54 | Factor bus — la mitad de los commits recae en 6 contribuyente(s) |
| 19.8/22.5 | Distribución de commits — el principal contribuyente firma el 12% de los commits |
| 13.5/13.5 | Amplitud de contribuyentes — 80 contribuyentes |
| 0/10 | OpenSSF Scorecard: Contributors — sin datos |
Datos de entrada utilizados
| bus_factor | 6 |
| contributors_sampled | 80 |
| top_contributor_share | 0,12 |
Propiedad y custodia
Cómo se puntúa
| 10/30 | Respaldo de la propiedad — cuenta personal (usuario) |
| 0/20 | Dominio verificado — no aplicable a cuentas de usuario |
| 17.9/25 | Alcance del propietario — 311 seguidores de ZeyuChen |
| 23.7/25 | Trayectoria — 39 repos públicos, cuenta de ~14 años |
Datos de entrada utilizados
| followers | 311 |
| owner_type | User |
| is_verified | — |
| owner_login | ZeyuChen |
| public_repos | 39 |
| account_age_days | 5343 |
Calidad de Ingeniería
¿Existen unas prácticas mínimas de ingeniería y documentación?
Prácticas de ingeniería
Cómo se puntúa
| 0/24 | Flujos de trabajo de CI |
| 24/24 | Pruebas presentes |
| 16/16 | Configuración de linter |
| 9.6/9.6 | Hooks de pre-commit |
| 0/6.4 | .editorconfig |
| 0/20 | OpenSSF Scorecard: CI-Tests — sin datos |
Datos de entrada utilizados
| has_ci | no |
| has_tests | sí |
| has_editorconfig | no |
| has_linter_config | sí |
| has_precommit_config | sí |
Documentación
Cómo se puntúa
| 0/30 | README |
| 25/25 | Directorio de documentación |
| 15/15 | Sitio de documentación / página del proyecto — https://paddlenlp.readthedocs.io |
| 0/10 | Descripción del repositorio |
| 0/10 | Topics |
| 10/10 | Wiki |
Datos de entrada utilizados
| topics | — |
| has_wiki | sí |
| homepage | https://paddlenlp.readthedocs.io |
| docs_site | https://paddlenlp.readthedocs.io |
| has_readme | no |
| has_docs_dir | sí |
| has_description | no |
Seguridad
¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?
Postura de seguridad
Cómo se puntúa
| 0/30 | Política de seguridad (SECURITY.md) |
| 0/25 | Configuración de Dependabot |
| 0/25 | Lockfiles de dependencias |
| 0/20 | Flujo de trabajo de CodeQL |
Datos de entrada utilizados
| source | file_signals |
| lockfiles | — |
| manifests | docs/requirements.txt, requirements.txt, setup.py, tests/requirements.txt |
| has_codeql_workflow | no |
| has_security_policy | no |
| has_dependabot_config | no |
Avisos de dependencias
Cómo se puntúa
| 9.5/35 | Dependencias directas libres de avisos conocidos — 1 afectados: onnx 1.17.0 (critical 9.1) |
| 25/25 | Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido |
| 32.6/40 | Sin avisos pendientes — 1 paquete(s) con avisos sin atender más allá de 90 días; el más antiguo publicado hace 414 días |
Datos de entrada utilizados
| source | osv |
| advisories | 16 |
| affected_packages | 1 |
| assessed_packages | 89 |
| unassessed_packages | 0 |
| affected_by_severity | critical 1 |
| direct_affected_packages | 1 |
Preparación para IA
¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.
Contexto y guía para agentes
Cómo se puntúa
| 0/45 | Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor |
| 0/15 | Documentación legible por máquinas (llms.txt) |
| 34.1/40 | Historial de commits legible — 64 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo) |
Datos de entrada utilizados
| has_llms_txt | no |
| llms_txt_url | — |
| legible_history_share | 0,64 |
| agent_instruction_files | — |
| agent_instruction_max_bytes | — |
Cómo se puntúa
| 18/18 | Arranque con un solo comando — applications/neural_search/recall/domain_adaptive_pretraining/data_tools/Makefile, docs/Makefile, examples/language_model/data_tools/Makefile, examples/language_model/electra/deploy/lite/Makefile |
| 22/22 | Pruebas automatizadas |
| 11/11 | Configuración de lint / formato |
| 0/11 | Verificación estática de tipos |
| 0/10 | Entorno reproducible |
| 0/10 | Práctica demostrada con agentes — ningún commit con autoría de agente entre los últimos 100 |
| 0/8 | Mantenimiento automatizado — no se observan actualizaciones automáticas de dependencias |
| 0/10 | OpenSSF Scorecard: Pinned-Dependencies — sin datos |
Datos de entrada utilizados
| has_nix | no |
| has_tests | sí |
| lockfiles | — |
| has_dockerfile | no |
| typed_language | no |
| bootstrap_files | applications/neural_search/recall/domain_adaptive_pretraining/data_tools/Makefile, docs/Makefile, examples/language_model/data_tools/Makefile, examples/language_model/electra/deploy/lite/Makefile |
| has_devcontainer | no |
| has_linter_config | sí |
| typecheck_configs | — |
| agent_commit_share | 0 |
| toolchain_manifests | — |
| dependency_bot_commit_share | 0 |
Legibilidad del código para modelos
Cómo se puntúa
| 0/45 | Código verificable por tipos — Python sin configuración de verificación de tipos |
| 54.3/55 | Tamaños de archivo manejables — 14/1160 archivos fuente de más de 60 KB |
Datos de entrada utilizados
| primary_language | Python |
| largest_source_bytes | 145.536 |
| source_files_sampled | 1160 |
| oversized_source_files | 14 |
Interfaces legibles por máquina
Cómo se puntúa
| 40/40 | Esquema de API (OpenAPI/GraphQL/proto) — examples/language_model/experimental/ernie/propeller/data/example.proto, examples/language_model/experimental/ernie/propeller/data/feature.proto |
| 0/20 | Servidor MCP — no aplicable a este tipo de software |
| 40/40 | Ejemplos ejecutables — examples, sample, samples |
Datos de entrada utilizados
| example_dirs | examples, sample, samples |
| has_mcp_signal | no |
| api_schema_files | examples/language_model/experimental/ernie/propeller/data/example.proto, examples/language_model/experimental/ernie/propeller/data/feature.proto |
| interfaces_expected_of | — |
Datos clave
Advertencias de recopilación de datos
- Community profile unavailable
- pypi package 'paddlenlp' points at a different repository (https://github.com/PaddlePaddle/PaddleNLP); excluded from ecosystem scoring
- GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
- OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/09 23:00:47 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks
Más detalle
Todas las dependencias no recopilado
No fue posible recopilar el conjunto de dependencias resuelto para este informe: GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
Avisos de dependencias 1
Instalar pypi:paddlenlp@2.8.1 arrastra 89 paquetes, directos y transitivos: 1 tienen avisos conocidos, de los cuales 1 son dependencias directas.
| Paquete | Versión | Relación | Gravedad | Avisos | Corregido en |
|---|---|---|---|---|---|
| onnx | 1.17.0 | directa | crítica | 16 | 1.22.0 |
Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.
Informe JSON sin procesar legible por máquina
Comentarios
¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.
Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.
Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.
Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.