FINDING #8109 · UNIT ID 728528910
modelscope/evalscope
A streamlined and customizable framework for efficient large model (LLM, VLM, AIGC) evaluation and performance benchmarking.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
4% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
4.90
ACCEL
+0.13
RETENTION
53.6%
PEAK 2026-08-26 · FORK-RETENTION 0.0% · 147 STARS / WINDOW
Author Audience
AUDIENCE
33,058
FOLLOWERS
6,548
OWNER ★
99,808
Engagement Signals
FORKS
470
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 147 / 147 (DIVERSITY 1.00)
Why This Is A Finding
modelscope/evalscope собрал 147 звёзд за окно, тогда как у автора всего 6,548 подписчиков — эффективная аудитория ≈ 33,058. Это даёт surprise-индекс 0.000148 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 15% OF 9591 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9591 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 15%
VELOCITY4.903.63+1.27ABOVE 61%
RETENTION53.6%24.8%+28.8 PPABOVE 93%
FORKS470120+350ABOVE 81%
SURPRISE0.000.01-0.01ABOVE 6%