FINDING #9279 · 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
9.71
ACCEL
-0.54
RETENTION
43.0%
PEAK 2026-10-06 · FORK-RETENTION 70.0% · 68 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 68 / 68 (DIVERSITY 1.00)
Why This Is A Finding
NVIDIA/Model-Optimizer собрал 68 звёзд за окно, тогда как у автора всего 31,288 подписчиков — эффективная аудитория ≈ 564,012. Это даёт surprise-индекс 0.0000172 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 70.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 5% 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 5%
VELOCITY9.713.57+6.14ABOVE 77%
RETENTION43.0%33.3%+9.6 PPABOVE 64%
FORKS739104+635ABOVE 89%
SURPRISE0.000.01-0.01ABOVE 2%