Github Trends®
9779 findingsmedian surprise 0.00613window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
▲РЕПО НЕТ В ОКНЕ 30D. ПОКАЗАН FINDING ИЗ ОКНА 7D (7 days) — РАНГ #9718.
FINDING #9718 · UNIT ID 1373008343
Gxj230958/TritonAscendBench
A migration benchmark that measures whether production GPU Triton kernels — extracted from vLLM and SGLang inference paths — can be ported to the Huawei Ascend 910B (Atlas A2) via `triton-ascend` without losing correctness or performance.
[ PYTHON ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.0384
ENGAGEMENT0.00
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
14% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
2.00
ACCEL
-1.36
RETENTION
6.7%
PEAK 2026-10-01 · FORK-RETENTION 0.0% · 14 STARS / WINDOW

Author Audience

AUDIENCE
12
FOLLOWERS
2
OWNER ★
101

Engagement Signals

FORKS
0
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 14 / 14 (DIVERSITY 1.00)

Why This Is A Finding

Gxj230958/TritonAscendBench собрал 14 звёзд за окно, тогда как у автора всего 2 подписчиков — эффективная аудитория ≈ 12. Это даёт surprise-индекс 0.0384 (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.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9779 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 1%
VELOCITY2.003.43-1.43ABOVE 23%
RETENTION6.7%40.0%-33.3 PPABOVE 18%
FORKS0139-139ABOVE 0%
SURPRISE0.040.01+0.03ABOVE 86%