FINDING #5924 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
5.14
ACCEL
-0.11
RETENTION
43.3%
PEAK 2026-10-06 · FORK-RETENTION 87.5% · 36 STARS / WINDOW
Author Audience
AUDIENCE
2,130
FOLLOWERS
342
OWNER ★
7,230
Engagement Signals
FORKS
1,009
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 36 / 36 (DIVERSITY 1.00)
Why This Is A Finding
SWE-bench/SWE-bench собрал 36 звёзд за окно, тогда как у автора всего 342 подписчиков — эффективная аудитория ≈ 2,130. Это даёт surprise-индекс 0.00237 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 87.5% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 39% OF 9747 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9747 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 39%
VELOCITY5.143.57+1.57ABOVE 61%
RETENTION43.3%33.3%+10.0 PPABOVE 64%
FORKS1,009104+905ABOVE 92%
SURPRISE0.000.01-0.01ABOVE 22%