Github Trends®
9760 findingsmedian surprise 0.0099window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
FINDING #8345 · UNIT ID 1141835728
Robbyant/lingbot-depth
Masked Depth Modeling for Spatial Perception
[ PYTHON ][ ORG ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000234
ENGAGEMENT0.20
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
2.14
ACCEL
-0.14
RETENTION
35.0%
PEAK 2026-08-24 · FORK-RETENTION 0.0% · 15 STARS / WINDOW

Author Audience

AUDIENCE
9,135
FOLLOWERS
1,511
OWNER ★
30,565

Engagement Signals

FORKS
119
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 15 / 15 (DIVERSITY 1.00)

Why This Is A Finding

Robbyant/lingbot-depth собрал 15 звёзд за окно, тогда как у автора всего 1,511 подписчиков — эффективная аудитория ≈ 9,135. Это даёт surprise-индекс 0.000234 (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.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9760 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 14%
VELOCITY2.143.71-1.57ABOVE 25%
RETENTION35.0%38.0%-3.0 PPABOVE 46%
FORKS11986+33ABOVE 58%
SURPRISE0.000.01-0.01ABOVE 7%