FINDING #3925 · 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)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
8.00
ACCEL
-1.50
RETENTION
70.0%
PEAK 2026-08-26 · FORK-RETENTION 0.0% · 24 STARS / WINDOW
Author Audience
AUDIENCE
2,009
FOLLOWERS
317
OWNER ★
6,885
Engagement Signals
FORKS
957
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 24 / 24 (DIVERSITY 1.00)
Why This Is A Finding
SWE-bench/SWE-bench собрал 24 звёзд за окно, тогда как у автора всего 317 подписчиков — эффективная аудитория ≈ 2,009. Это даёт surprise-индекс 0.0039 (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.
Related Findings
RANKS ABOVE 59% OF 9558 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9558 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 59%
VELOCITY8.005.67+2.33ABOVE 63%
RETENTION70.0%42.9%+27.1 PPABOVE 76%
FORKS957333+624ABOVE 70%
SURPRISE0.000.00-0.00ABOVE 49%