Github Trends®
9591 findingsmedian surprise 0.00783window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: own snapshots
FINDING #8005 · UNIT ID 951534260
roboflow/rf-detr
RF-DETR is a real-time object detection and segmentation model architecture developed by Roboflow, SOTA on COCO, designed for fine-tuning. [ICLR 2026]
[ PYTHON ][ ORG ][ VERIFIED ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000134
ENGAGEMENT0.44
FRESHNESS1.60
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
3% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
8.43
ACCEL
-0.07
RETENTION
28.7%
PEAK 2026-07-31 · FORK-RETENTION 89.5% · 253 STARS / WINDOW

Author Audience

AUDIENCE
62,866
FOLLOWERS
5,291
OWNER ★
88,334

Engagement Signals

FORKS
1,150
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 253 / 253 (DIVERSITY 1.00)

Why This Is A Finding

roboflow/rf-detr собрал 253 звёзд за окно, тогда как у автора всего 5,291 подписчиков — эффективная аудитория ≈ 62,866. Это даёт surprise-индекс 0.000134 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 89.5% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9591 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 17%
VELOCITY8.433.63+4.80ABOVE 76%
RETENTION28.7%24.8%+3.9 PPABOVE 58%
FORKS1,150120+1,030ABOVE 92%
SURPRISE0.000.01-0.01ABOVE 6%