Github Trends®
9721 findingsmedian surprise 0.00633window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
FINDING #7111 · UNIT ID 1196855016
elizabetht/100-days-of-inference
100 days of LLM inference engineering — daily posts, experiments, and visualizations
[ JUPYTER NOTEBOOK ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.11
ENGAGEMENT0.24
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
48% OF STARS IN ARCHIVE
[BOT] SUSPECTED STAR BOT — SCORE PENALIZED. SIGNATURES:
S2 · NO EXTERNAL ISSUE/PR AUTHORS DESPITE 100+ STARS
S10 · DEAD CODE, ZERO CONTRIBUTORS, YET STARS KEEP DRIPPING

Growth Telemetry

VELOCITY /D
17.43
ACCEL
-11.14
RETENTION
5.4%
PEAK 2026-08-04 · FORK-RETENTION 0.0% · 122 STARS / WINDOW

Author Audience

AUDIENCE
117
FOLLOWERS
84
OWNER ★
331

Engagement Signals

FORKS
30
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 122 / 122 (DIVERSITY 1.00)

Why This Is A Finding

elizabetht/100-days-of-inference собрал 122 звёзд за окно, тогда как у автора всего 84 подписчиков — эффективная аудитория ≈ 117. Это даёт surprise-индекс 0.11 (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 9721 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 27%
VELOCITY17.433.43+14.00ABOVE 87%
RETENTION5.4%32.1%-26.7 PPABOVE 19%
FORKS30130-100ABOVE 20%
SURPRISE0.110.01+0.10ABOVE 96%