Github Trends®
9102 findingsmedian surprise 0.00429window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: own snapshots
FINDING #7558 · UNIT ID 942696497
rasbt/reasoning-from-scratch
Implement a reasoning LLM in PyTorch from scratch, step by step
[ JUPYTER NOTEBOOK ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000119
ENGAGEMENT0.73
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
0% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
7.00
ACCEL
+0.50
RETENTION
0.0%
PEAK 2026-08-29 · FORK-RETENTION 0.0% · 21 STARS / WINDOW

Author Audience

AUDIENCE
59,021
FOLLOWERS
40,002
OWNER ★
190,365

Engagement Signals

FORKS
785
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 21 / 21 (DIVERSITY 1.00)

Why This Is A Finding

rasbt/reasoning-from-scratch собрал 21 звёзд за окно, тогда как у автора всего 40,002 подписчиков — эффективная аудитория ≈ 59,021. Это даёт surprise-индекс 0.000119 (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.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9102 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 17%
VELOCITY7.005.67+1.33ABOVE 57%
RETENTION0.0%45.5%-45.5 PPABOVE 0%
FORKS785340+446ABOVE 66%
SURPRISE0.000.00-0.00ABOVE 7%