FINDING #1588 · UNIT ID 719367888
datawhalechina/self-llm
《开源大模型食用指南》针对中国宝宝量身打造的基于Linux环境快速微调（全参数/Lora）、部署国内外开源大模型（LLM）/多模态大模型（MLLM）教程
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
2.15
ACCEL
-0.04
RETENTION
12.2%
PEAK 2026-03-02 · FORK-RETENTION 100.0% · 387 STARS / WINDOW
Author Audience
AUDIENCE
141,459
FOLLOWERS
32,379
OWNER ★
383,507
Engagement Signals
FORKS
3,103
ISSUE AUTH
1
PR AUTH
1
UNIQUE STARGAZERS 387 / 387 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/self-llm собрал 387 звёзд за окно, тогда как у автора всего 32,379 подписчиков — эффективная аудитория ≈ 141,459. Это даёт surprise-индекс 0.0000152 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 100.0% и 2 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 6% OF 1696 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1696 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 6%
VELOCITY2.152.82-0.67ABOVE 34%
RETENTION12.2%4.8%+7.3 PPABOVE 84%
FORKS3,1031,584+1,520ABOVE 68%
SURPRISE0.000.00-0.00ABOVE 7%