FINDING #9323 · UNIT ID 869660918
openai/mle-bench
MLE-bench is a benchmark for measuring how well AI agents perform at machine learning engineering
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
2.57
ACCEL
-0.25
RETENTION
33.3%
PEAK 2026-08-22 · FORK-RETENTION 0.0% · 18 STARS / WINDOW
Author Audience
AUDIENCE
1,942,530
FOLLOWERS
131,171
OWNER ★
946,029
Engagement Signals
FORKS
257
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 18 / 18 (DIVERSITY 1.00)
Why This Is A Finding
openai/mle-bench собрал 18 звёзд за окно, тогда как у автора всего 131,171 подписчиков — эффективная аудитория ≈ 1,942,530. Это даёт surprise-индекс 0.00000132 (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 4% OF 9760 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9760 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 4%
VELOCITY2.573.71-1.14ABOVE 34%
RETENTION33.3%38.0%-4.7 PPABOVE 42%
FORKS25786+171ABOVE 76%
SURPRISE0.000.01-0.01ABOVE 0%