FINDING #6588 · UNIT ID 491456031
datawhalechina/torch-rechub
A Lighting Pytorch Framework for Recommendation Models, Easy-to-use and Easy-to-extend.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
16% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
2.07
ACCEL
-0.07
RETENTION
7.7%
PEAK 2026-04-26 · FORK-RETENTION 0.0% · 186 STARS / WINDOW
Author Audience
AUDIENCE
134,051
FOLLOWERS
30,672
OWNER ★
363,537
Engagement Signals
FORKS
153
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 186 / 186 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/torch-rechub собрал 186 звёзд за окно, тогда как у автора всего 30,672 подписчиков — эффективная аудитория ≈ 134,051. Это даёт surprise-индекс 0.0000154 (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 8% OF 7165 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 7165 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 8%
VELOCITY2.073.71-1.64ABOVE 20%
RETENTION7.7%15.4%-7.7 PPABOVE 25%
FORKS15384+69ABOVE 65%
SURPRISE0.000.01-0.01ABOVE 2%