FINDING #7692 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
9.33
ACCEL
+2.00
RETENTION
83.3%
PEAK 2026-10-11 · FORK-RETENTION 0.0% · 28 STARS / WINDOW
Author Audience
AUDIENCE
564,012
FOLLOWERS
31,288
OWNER ★
439,379
Engagement Signals
FORKS
739
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 28 / 28 (DIVERSITY 1.00)
Why This Is A Finding
NVIDIA/Model-Optimizer собрал 28 звёзд за окно, тогда как у автора всего 31,288 подписчиков — эффективная аудитория ≈ 564,012. Это даёт surprise-индекс 0.0000165 (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 4% OF 8038 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 8038 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 4%
VELOCITY9.335.67+3.67ABOVE 67%
RETENTION83.3%14.3%+69.0 PPABOVE 90%
FORKS739333+407ABOVE 66%
SURPRISE0.000.01-0.01ABOVE 2%