FINDING #2377 · UNIT ID 719367888
datawhalechina/self-llm
《开源大模型食用指南》针对中国宝宝量身打造的基于Linux环境快速微调（全参数/Lora）、部署国内外开源大模型（LLM）/多模态大模型（MLLM）教程
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
3.46
ACCEL
-0.05
RETENTION
19.5%
PEAK 2026-01-31 · FORK-RETENTION 91.1% · 623 STARS / WINDOW
Author Audience
AUDIENCE
135,924
FOLLOWERS
31,128
OWNER ★
368,339
Engagement Signals
FORKS
3,068
ISSUE AUTH
1
PR AUTH
8
UNIQUE STARGAZERS 622 / 623 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/self-llm собрал 623 звёзд за окно, тогда как у автора всего 31,128 подписчиков — эффективная аудитория ≈ 135,924. Это даёт surprise-индекс 0.0000255 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 91.1% и 9 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 7% OF 2559 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 2559 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 7%
VELOCITY3.462.88+0.58ABOVE 61%
RETENTION19.5%6.3%+13.2 PPABOVE 93%
FORKS3,0681,183+1,885ABOVE 73%
SURPRISE0.000.00-0.00ABOVE 7%