Github Trends®
9651 findingsmedian surprise 0.00326window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
FINDING #4909 · UNIT ID 167628014
chemprop/chemprop
Message Passing Neural Networks for Molecule Property Prediction
[ PYTHON ][ ORG ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.00273
ENGAGEMENT0.30
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
2.29
ACCEL
-1.50
RETENTION
3.8%
PEAK 2026-10-11 · FORK-RETENTION 0.0% · 16 STARS / WINDOW

Author Audience

AUDIENCE
796
FOLLOWERS
140
OWNER ★
2,581

Engagement Signals

FORKS
759
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 16 / 16 (DIVERSITY 1.00)

Why This Is A Finding

chemprop/chemprop собрал 16 звёзд за окно, тогда как у автора всего 140 подписчиков — эффективная аудитория ≈ 796. Это даёт surprise-индекс 0.00273 (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 9651 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 49%
VELOCITY2.293.14-0.86ABOVE 32%
RETENTION3.8%16.7%-12.8 PPABOVE 21%
FORKS759277+482ABOVE 70%
SURPRISE0.000.00-0.00ABOVE 47%