FINDING #7695 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
10.00
ACCEL
-0.46
RETENTION
33.3%
PEAK 2026-10-09 · FORK-RETENTION 21.1% · 70 STARS / WINDOW
Author Audience
AUDIENCE
34,800
FOLLOWERS
4,337
OWNER ★
130,632
Engagement Signals
FORKS
1,901
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 70 / 70 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 70 звёзд за окно, тогда как у автора всего 4,337 подписчиков — эффективная аудитория ≈ 34,800. Это даёт surprise-индекс 0.000287 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 21.1% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 21% 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 21%
VELOCITY10.003.57+6.43ABOVE 78%
RETENTION33.3%33.3%0.0 PPABOVE 47%
FORKS1,901104+1,797ABOVE 95%
SURPRISE0.000.01-0.01ABOVE 8%