FINDING #9603 · UNIT ID 1364119178
Mobaia/PhySpec
Physics-guided augmentation and multi-scale Transformer learning for low-resource spectroscopy; CNMM-MSST XRF implementation optimized based on the JAAS paper.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
45% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
6.29
ACCEL
-0.07
RETENTION
6.7%
PEAK 2026-09-22 · FORK-RETENTION 0.0% · 44 STARS / WINDOW
Author Audience
AUDIENCE
10
FOLLOWERS
0
OWNER ★
98
Engagement Signals
FORKS
0
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 44 / 44 (DIVERSITY 1.00)
Why This Is A Finding
Mobaia/PhySpec собрал 44 звёзд за окно, тогда как у автора всего 0 подписчиков — эффективная аудитория ≈ 10. Это даёт surprise-индекс 0.13 (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 2% OF 9770 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9770 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 2%
VELOCITY6.293.57+2.71ABOVE 66%
RETENTION6.7%40.0%-33.3 PPABOVE 15%
FORKS092-92ABOVE 0%
SURPRISE0.130.01+0.12ABOVE 95%