FINDING #410 · UNIT ID 1415560203
Danielxu0208/rsi_eval
A lightweight Python SDK and CLI for evaluating recursive self-improvement (RSI) methods across agent benchmarks.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
19% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
7.00
ACCEL
+10.50
RETENTION
0.0%
PEAK 2026-10-18 · FORK-RETENTION 0.0% · 21 STARS / WINDOW
Author Audience
AUDIENCE
17
FOLLOWERS
5
OWNER ★
115
Engagement Signals
FORKS
4
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 21 / 21 (DIVERSITY 1.00)
Why This Is A Finding
Danielxu0208/rsi_eval собрал 21 звёзд за окно, тогда как у автора всего 5 подписчиков — эффективная аудитория ≈ 17. Это даёт surprise-индекс 0.12 (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.
Related Findings
RANKS ABOVE 90% OF 4131 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 4131 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.030.00+0.03ABOVE 90%
VELOCITY7.006.00+1.00ABOVE 56%
RETENTION0.0%25.0%-25.0 PPABOVE 0%
FORKS4279-275ABOVE 3%
SURPRISE0.120.01+0.12ABOVE 94%