Github Trends®
9755 findingsmedian surprise 0.00933window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
FINDING #3804 · UNIT ID 1175482080
alexisfox7/PRO-LONG
Programmatic memory for long-horizon LLM agents: the harness appends everything to one log, and the agent searches it with code. 97.4% on ARC-AGI-3 (arXiv:2607.20064)
[ PYTHON ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.0127
ENGAGEMENT0.36
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
1.43
ACCEL
-0.04
RETENTION
33.3%
PEAK 2026-08-28 · FORK-RETENTION 0.0% · 10 STARS / WINDOW

Author Audience

AUDIENCE
73
FOLLOWERS
31
OWNER ★
419

Engagement Signals

FORKS
44
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 10 / 10 (DIVERSITY 1.00)

Why This Is A Finding

alexisfox7/PRO-LONG собрал 10 звёзд за окно, тогда как у автора всего 31 подписчиков — эффективная аудитория ≈ 73. Это даёт surprise-индекс 0.0127 (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.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9755 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 61%
VELOCITY1.433.71-2.29ABOVE 0%
RETENTION33.3%37.5%-4.2 PPABOVE 42%
FORKS4490-46ABOVE 33%
SURPRISE0.010.01+0.00ABOVE 58%