FINDING #9043 · UNIT ID 790916393
NVIDIA/Model-Optimizer
A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.
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
4.67
ACCEL
-0.02
RETENTION
41.2%
PEAK 2026-07-31 · FORK-RETENTION 100.0% · 140 STARS / WINDOW
Author Audience
AUDIENCE
524,769
FOLLOWERS
29,451
OWNER ★
414,853
Engagement Signals
FORKS
557
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 140 / 140 (DIVERSITY 1.00)
Why This Is A Finding
NVIDIA/Model-Optimizer собрал 140 звёзд за окно, тогда как у автора всего 29,451 подписчиков — эффективная аудитория ≈ 524,769. Это даёт surprise-индекс 0.00000889 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 100.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 6% 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 6%
VELOCITY4.673.63+1.03ABOVE 59%
RETENTION41.2%24.8%+16.4 PPABOVE 80%
FORKS557120+437ABOVE 84%
SURPRISE0.000.01-0.01ABOVE 1%