FINDING #2762 · 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)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
4.22
ACCEL
-0.06
RETENTION
24.1%
PEAK 2026-01-19 · FORK-RETENTION 88.1% · 760 STARS / WINDOW
Author Audience
AUDIENCE
133,808
FOLLOWERS
30,620
OWNER ★
362,841
Engagement Signals
FORKS
3,054
ISSUE AUTH
2
PR AUTH
8
UNIQUE STARGAZERS 759 / 760 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/self-llm собрал 760 звёзд за окно, тогда как у автора всего 30,620 подписчиков — эффективная аудитория ≈ 133,808. Это даёт surprise-индекс 0.0000315 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 88.1% и 10 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 8% OF 2987 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 2987 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 8%
VELOCITY4.222.84+1.38ABOVE 68%
RETENTION24.1%6.8%+17.3 PPABOVE 97%
FORKS3,0541,068+1,986ABOVE 75%
SURPRISE0.000.00-0.00ABOVE 8%