FINDING #176 · 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
1.50
ACCEL
-0.04
RETENTION
9.7%
PEAK 2026-06-25 · FORK-RETENTION 48.5% · 135 STARS / WINDOW
Author Audience
AUDIENCE
32,816
FOLLOWERS
4,028
OWNER ★
123,987
Engagement Signals
FORKS
21,387
ISSUE AUTH
90
PR AUTH
281
UNIQUE STARGAZERS 135 / 135 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm собрал 135 звёзд за окно, тогда как у автора всего 4,028 подписчиков — эффективная аудитория ≈ 32,816. Это даёт surprise-индекс 0.0000457 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 48.5% и 371 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 32% OF 259 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 259 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 32%
VELOCITY1.502.47-0.97ABOVE 0%
RETENTION9.7%6.7%+3.0 PPABOVE 69%
FORKS21,3874,382+17,005ABOVE 90%
SURPRISE0.000.00-0.00ABOVE 22%