FINDING #4919 · UNIT ID 700117650
SWE-bench/SWE-bench
SWE-bench: Can Language Models Resolve Real-world Github Issues?
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
3% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
6.40
ACCEL
-0.01
RETENTION
52.4%
PEAK 2026-07-31 · FORK-RETENTION 88.5% · 192 STARS / WINDOW
Author Audience
AUDIENCE
2,011
FOLLOWERS
317
OWNER ★
6,885
Engagement Signals
FORKS
957
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 192 / 192 (DIVERSITY 1.00)
Why This Is A Finding
SWE-bench/SWE-bench собрал 192 звёзд за окно, тогда как у автора всего 317 подписчиков — эффективная аудитория ≈ 2,011. Это даёт surprise-индекс 0.00312 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 88.5% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 49% OF 9591 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9591 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 49%
VELOCITY6.403.63+2.77ABOVE 68%
RETENTION52.4%24.8%+27.6 PPABOVE 92%
FORKS957120+837ABOVE 90%
SURPRISE0.000.01-0.00ABOVE 28%