FINDING #4421 · UNIT ID 599547518
vllm-project/vllm
A high-throughput and memory-efficient inference and serving engine for LLMs
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
37.00
ACCEL
-16.00
RETENTION
0.0%
PEAK 2026-10-11 · FORK-RETENTION 0.0% · 111 STARS / WINDOW
Author Audience
AUDIENCE
34,800
FOLLOWERS
4,337
OWNER ★
130,632
Engagement Signals
FORKS
23,317
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 111 / 111 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm собрал 111 звёзд за окно, тогда как у автора всего 4,337 подписчиков — эффективная аудитория ≈ 34,800. Это даёт surprise-индекс 0.00106 (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 45% OF 8038 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 8038 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 45%
VELOCITY37.005.67+31.33ABOVE 91%
RETENTION0.0%14.3%-14.3 PPABOVE 0%
FORKS23,317333+22,985ABOVE 99%
SURPRISE0.000.01-0.00ABOVE 24%