FINDING #8985 · UNIT ID 1198734563
datawhalechina/llm-algo-leetcode
LLM algorithm practice lab with theory, solutions, and test cases.《大模型算法与系统教程》面向大模型入门到进阶的算法实战教程，覆盖原理讲解、答案解析、测试用例与 CUDA/Triton 实战。
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
5% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
3.43
ACCEL
-0.93
RETENTION
33.3%
PEAK 2026-08-24 · FORK-RETENTION 0.0% · 24 STARS / WINDOW
Author Audience
AUDIENCE
141,573
FOLLOWERS
32,446
OWNER ★
383,787
Engagement Signals
FORKS
85
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 24 / 24 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/llm-algo-leetcode собрал 24 звёзд за окно, тогда как у автора всего 32,446 подписчиков — эффективная аудитория ≈ 141,573. Это даёт surprise-индекс 0.0000242 (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.
Related Findings
RANKS ABOVE 8% OF 9755 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9755 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 8%
VELOCITY3.433.71-0.29ABOVE 46%
RETENTION33.3%37.5%-4.2 PPABOVE 42%
FORKS8590-5ABOVE 48%
SURPRISE0.000.01-0.01ABOVE 2%