FINDING #4791 · 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。
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
3% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
3.00
ACCEL
0.00
RETENTION
62.5%
PEAK 2026-07-13 · FORK-RETENTION 0.0% · 9 STARS / WINDOW
Author Audience
AUDIENCE
133,912
FOLLOWERS
30,672
OWNER ★
362,841
Engagement Signals
FORKS
47
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 9 / 9 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/llm-algo-leetcode собрал 9 звёзд за окно, тогда как у автора всего 30,672 подписчиков — эффективная аудитория ≈ 133,912. Это даёт surprise-индекс 0.0000224 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 5% OF 5024 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 5024 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 5%
VELOCITY3.006.67-3.67ABOVE 8%
RETENTION62.5%46.5%+16.0 PPABOVE 67%
FORKS47116-69ABOVE 28%
SURPRISE0.000.01-0.01ABOVE 2%