Github Trends®
9102 findingsmedian surprise 0.00429window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: own snapshots
FINDING #8041 · 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

SURPRISE0.000188
ENGAGEMENT0.20
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
4% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
3.00
ACCEL
+4.50
RETENTION
0.0%
PEAK 2026-08-29 · FORK-RETENTION 0.0% · 9 STARS / WINDOW

Author Audience

AUDIENCE
15,878
FOLLOWERS
8,725
OWNER ★
71,592

Engagement Signals

FORKS
26
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 9 / 9 (DIVERSITY 1.00)

Why This Is A Finding

amitshekhariitbhu/llm-inference-engineering собрал 9 звёзд за окно, тогда как у автора всего 8,725 подписчиков — эффективная аудитория ≈ 15,878. Это даёт surprise-индекс 0.000188 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9102 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 12%
VELOCITY3.005.67-2.67ABOVE 10%
RETENTION0.0%45.5%-45.5 PPABOVE 0%
FORKS26340-313ABOVE 14%
SURPRISE0.000.00-0.00ABOVE 9%