FINDING #6267 · 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)
15% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
7.71
ACCEL
-2.82
RETENTION
16.7%
PEAK 2026-07-09 · FORK-RETENTION 0.0% · 54 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 54 / 54 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/llm-algo-leetcode собрал 54 звёзд за окно, тогда как у автора всего 30,672 подписчиков — эффективная аудитория ≈ 133,912. Это даёт surprise-индекс 0.0000576 (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 6892 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6892 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 9%
VELOCITY7.714.14+3.57ABOVE 68%
RETENTION16.7%40.6%-24.0 PPABOVE 21%
FORKS4789-42ABOVE 33%
SURPRISE0.000.01-0.01ABOVE 3%