FINDING #9081 · 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)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
2.00
ACCEL
-1.14
RETENTION
16.7%
PEAK 2026-10-11 · FORK-RETENTION 57.1% · 14 STARS / WINDOW
Author Audience
AUDIENCE
149,198
FOLLOWERS
34,182
OWNER ★
404,172
Engagement Signals
FORKS
144
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 14 / 14 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/llm-algo-leetcode собрал 14 звёзд за окно, тогда как у автора всего 34,182 подписчиков — эффективная аудитория ≈ 149,198. Это даёт surprise-индекс 0.0000134 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 57.1% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 6% OF 9651 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9651 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 6%
VELOCITY2.003.14-1.14ABOVE 24%
RETENTION16.7%16.7%0.0 PPABOVE 48%
FORKS144277-133ABOVE 38%
SURPRISE0.000.00-0.00ABOVE 3%