Github Trends®
6380 findingsmedian surprise 0.0122window 90 days
UNIT / TREND-MONITOR · REV 2.6
[ 90 days window ]
SOURCE: gharchive
FINDING #3607 · UNIT ID 897865415
cyberark/FuzzyAI
A powerful tool for automated LLM fuzzing. It is designed to help developers and security researchers identify and mitigate potential jailbreaks in their LLM APIs.
[ JUPYTER NOTEBOOK ][ ORG ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.00047
ENGAGEMENT0.20
FRESHNESS1.34
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
14% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
2.32
ACCEL
-0.02
RETENTION
14.4%
PEAK 2026-05-13 · FORK-RETENTION 0.0% · 209 STARS / WINDOW

Author Audience

AUDIENCE
4,896
FOLLOWERS
824
OWNER ★
16,242

Engagement Signals

FORKS
212
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 209 / 209 (DIVERSITY 1.00)

Why This Is A Finding

cyberark/FuzzyAI собрал 209 звёзд за окно, тогда как у автора всего 824 подписчиков — эффективная аудитория ≈ 4,896. Это даёт surprise-индекс 0.00047 (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 6380 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 43%
VELOCITY2.323.99-1.67ABOVE 25%
RETENTION14.4%17.1%-2.7 PPABOVE 43%
FORKS21290+123ABOVE 72%
SURPRISE0.000.01-0.01ABOVE 10%