FINDING #7700 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
9.67
ACCEL
-1.50
RETENTION
53.6%
PEAK 2026-08-26 · FORK-RETENTION 0.0% · 29 STARS / WINDOW
Author Audience
AUDIENCE
33,048
FOLLOWERS
6,548
OWNER ★
99,808
Engagement Signals
FORKS
470
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 29 / 29 (DIVERSITY 1.00)
Why This Is A Finding
modelscope/evalscope собрал 29 звёзд за окно, тогда как у автора всего 6,548 подписчиков — эффективная аудитория ≈ 33,048. Это даёт surprise-индекс 0.000292 (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 19% OF 9558 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9558 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 19%
VELOCITY9.675.67+4.00ABOVE 69%
RETENTION53.6%42.9%+10.7 PPABOVE 61%
FORKS470333+137ABOVE 57%
SURPRISE0.000.00-0.00ABOVE 12%