Github Trends®
1696 findingsmedian surprise 0.00059window 180 days
UNIT / TREND-MONITOR · REV 2.6
[ 180 days window ]
SOURCE: gharchive
РЕПО НЕТ В ОКНЕ 90D. ПОКАЗАН FINDING ИЗ ОКНА 180D (180 days) — РАНГ #990.
FINDING #990 · UNIT ID 1085635946
EverMind-AI/MSA
Memory Sparse Attention - A scalable, end-to-end trainable latent-memory framework for 100M-token contexts.
[ PYTHON ][ ORG ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000696
ENGAGEMENT0.35
FRESHNESS1.14
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
18% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
3.61
ACCEL
-0.09
RETENTION
1.1%
PEAK 2026-03-21 · FORK-RETENTION 42.9% · 650 STARS / WINDOW

Author Audience

AUDIENCE
5,146
FOLLOWERS
549
OWNER ★
20,242

Engagement Signals

FORKS
229
ISSUE AUTH
1
PR AUTH
2
UNIQUE STARGAZERS 650 / 650 (DIVERSITY 1.00)

Why This Is A Finding

EverMind-AI/MSA собрал 650 звёзд за окно, тогда как у автора всего 549 подписчиков — эффективная аудитория ≈ 5,146. Это даёт surprise-индекс 0.000696 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 42.9% и 3 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 1696 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 42%
VELOCITY3.612.82+0.79ABOVE 62%
RETENTION1.1%4.8%-3.7 PPABOVE 5%
FORKS2291,584-1,354ABOVE 6%
SURPRISE0.000.00+0.00ABOVE 53%