FINDING #8533 · 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
2.86
ACCEL
+0.00
RETENTION
0.0%
PEAK 2026-10-11 · FORK-RETENTION 0.0% · 20 STARS / WINDOW
Author Audience
AUDIENCE
34,082
FOLLOWERS
6,787
OWNER ★
102,539
Engagement Signals
FORKS
517
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 20 / 20 (DIVERSITY 1.00)
Why This Is A Finding
modelscope/evalscope собрал 20 звёзд за окно, тогда как у автора всего 6,787 подписчиков — эффективная аудитория ≈ 34,082. Это даёт surprise-индекс 0.0000837 (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 12% OF 9747 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9747 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 12%
VELOCITY2.863.57-0.71ABOVE 40%
RETENTION0.0%33.3%-33.3 PPABOVE 0%
FORKS517104+413ABOVE 84%
SURPRISE0.000.01-0.01ABOVE 4%