FINDING #1212 · UNIT ID 1054512829
vllm-project/vllm-omni
A framework for efficient model inference with omni-modality models
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
7% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
2.44
ACCEL
-0.05
RETENTION
3.2%
PEAK 2026-03-22 · FORK-RETENTION 66.3% · 440 STARS / WINDOW
Author Audience
AUDIENCE
32,847
FOLLOWERS
4,025
OWNER ★
123,987
Engagement Signals
FORKS
1,559
ISSUE AUTH
266
PR AUTH
462
UNIQUE STARGAZERS 440 / 440 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 440 звёзд за окно, тогда как у автора всего 4,025 подписчиков — эффективная аудитория ≈ 32,847. Это даёт surprise-индекс 0.0000743 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 66.3% и 728 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 29% OF 1696 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1696 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 29%
VELOCITY2.442.82-0.38ABOVE 43%
RETENTION3.2%4.8%-1.6 PPABOVE 33%
FORKS1,5591,584-24ABOVE 50%
SURPRISE0.000.00-0.00ABOVE 15%