FINDING #1259 · 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
1.59
ACCEL
-0.06
RETENTION
11.6%
PEAK 2026-04-18 · FORK-RETENTION 80.0% · 143 STARS / WINDOW
Author Audience
AUDIENCE
133,808
FOLLOWERS
30,620
OWNER ★
362,841
Engagement Signals
FORKS
3,054
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 143 / 143 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/self-llm собрал 143 звёзд за окно, тогда как у автора всего 30,620 подписчиков — эффективная аудитория ≈ 133,808. Это даёт surprise-индекс 0.0000119 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 80.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 6% OF 1335 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1335 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 6%
VELOCITY1.592.82-1.23ABOVE 6%
RETENTION11.6%8.4%+3.2 PPABOVE 64%
FORKS3,0541,463+1,591ABOVE 68%
SURPRISE0.000.00-0.00ABOVE 6%