Github Trends®
9595 findingsmedian surprise 0.00815window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: own snapshots
FINDING #8093 · UNIT ID 1337918481
amitshekhariitbhu/llm-inference-engineering
Learn LLM Inference Engineering step by step - from KV cache, PagedAttention, and continuous batching to vLLM, SGLang, and GPUs.
[ MARKDOWN ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000157
ENGAGEMENT0.39
FRESHNESS1.31
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
32% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
2.50
ACCEL
+0.24
RETENTION
7.0%
PEAK 2026-08-20 · FORK-RETENTION 44.4% · 75 STARS / WINDOW

Author Audience

AUDIENCE
15,884
FOLLOWERS
8,725
OWNER ★
71,592

Engagement Signals

FORKS
26
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 75 / 75 (DIVERSITY 1.00)

Why This Is A Finding

amitshekhariitbhu/llm-inference-engineering собрал 75 звёзд за окно, тогда как у автора всего 8,725 подписчиков — эффективная аудитория ≈ 15,884. Это даёт surprise-индекс 0.000157 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 44.4% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9595 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 16%
VELOCITY2.503.67-1.17ABOVE 32%
RETENTION7.0%24.6%-17.6 PPABOVE 15%
FORKS26115-89ABOVE 19%
SURPRISE0.000.01-0.01ABOVE 6%