Github Trends®
2987 findingsmedian surprise 0.00082window 180 days
UNIT / TREND-MONITOR · REV 2.6
[ 180 days window ]
SOURCE: gharchive
FINDING #2601 · 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

SURPRISE0.0000404
ENGAGEMENT1.85
FRESHNESS1.16
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
5% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
2.43
ACCEL
-0.02
RETENTION
16.1%
PEAK 2026-04-03 · FORK-RETENTION 39.0% · 438 STARS / WINDOW

Author Audience

AUDIENCE
60,238
FOLLOWERS
5,140
OWNER ★
85,584

Engagement Signals

FORKS
1,080
ISSUE AUTH
77
PR AUTH
111
UNIQUE STARGAZERS 438 / 438 (DIVERSITY 1.00)

Why This Is A Finding

roboflow/rf-detr собрал 438 звёзд за окно, тогда как у автора всего 5,140 подписчиков — эффективная аудитория ≈ 60,238. Это даёт surprise-индекс 0.0000404 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 39.0% и 188 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 2987 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 13%
VELOCITY2.432.84-0.41ABOVE 41%
RETENTION16.1%6.8%+9.3 PPABOVE 83%
FORKS1,0801,068+12ABOVE 50%
SURPRISE0.000.00-0.00ABOVE 9%