FINDING #7765 · 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)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
37.00
ACCEL
-32.00
RETENTION
22.1%
PEAK 2026-08-26 · FORK-RETENTION 28.6% · 111 STARS / WINDOW
Author Audience
AUDIENCE
141,341
FOLLOWERS
32,379
OWNER ★
383,507
Engagement Signals
FORKS
3,103
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 111 / 111 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/self-llm собрал 111 звёзд за окно, тогда как у автора всего 32,379 подписчиков — эффективная аудитория ≈ 141,341. Это даёт surprise-индекс 0.000262 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 28.6% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 19% OF 9558 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9558 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 19%
VELOCITY37.005.67+31.33ABOVE 92%
RETENTION22.1%42.9%-20.8 PPABOVE 35%
FORKS3,103333+2,770ABOVE 88%
SURPRISE0.000.00-0.00ABOVE 12%