FINDING #5822 · UNIT ID 1040481901
datawhalechina/base-llm
从 NLP 到 LLM 的算法全栈教程，在线阅读地址：https://datawhalechina.github.io/base-llm/
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
27% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
2.68
ACCEL
-0.02
RETENTION
24.9%
PEAK 2026-04-21 · FORK-RETENTION 0.0% · 241 STARS / WINDOW
Author Audience
AUDIENCE
133,912
FOLLOWERS
30,672
OWNER ★
362,841
Engagement Signals
FORKS
98
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 241 / 241 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/base-llm собрал 241 звёзд за окно, тогда как у автора всего 30,672 подписчиков — эффективная аудитория ≈ 133,912. Это даёт surprise-индекс 0.00002 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 9% OF 6380 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6380 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 9%
VELOCITY2.683.99-1.32ABOVE 32%
RETENTION24.9%17.1%+7.8 PPABOVE 67%
FORKS9890+9ABOVE 52%
SURPRISE0.000.01-0.01ABOVE 2%