Github Trends®
9593 findingsmedian surprise 0.00799window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: own snapshots
РЕПО НЕТ В ОКНЕ 1D. ПОКАЗАН FINDING ИЗ ОКНА 30D (30 days) — РАНГ #8864.
FINDING #8864 · UNIT ID 1198734563
datawhalechina/llm-algo-leetcode
LLM algorithm practice lab with theory, solutions, and test cases.《大模型算法与系统教程》面向大模型入门到进阶的算法实战教程,覆盖原理讲解、答案解析、测试用例与 CUDA/Triton 实战。
[ JUPYTER NOTEBOOK ][ ORG ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.0000216
ENGAGEMENT0.63
FRESHNESS1.32
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
17% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
3.07
ACCEL
+0.10
RETENTION
40.0%
PEAK 2026-08-18 · FORK-RETENTION 32.0% · 92 STARS / WINDOW

Author Audience

AUDIENCE
141,649
FOLLOWERS
32,446
OWNER ★
383,787

Engagement Signals

FORKS
85
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 92 / 92 (DIVERSITY 1.00)

Why This Is A Finding

datawhalechina/llm-algo-leetcode собрал 92 звёзд за окно, тогда как у автора всего 32,446 подписчиков — эффективная аудитория ≈ 141,649. Это даёт surprise-индекс 0.0000216 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 32.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9593 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 8%
VELOCITY3.073.63-0.57ABOVE 42%
RETENTION40.0%25.0%+15.0 PPABOVE 78%
FORKS85117-32ABOVE 42%
SURPRISE0.000.01-0.01ABOVE 2%