FINDING #1605 · UNIT ID 1085635946
EverMind-AI/MSA
Memory Sparse Attention - A scalable, end-to-end trainable latent-memory framework for 100M-token contexts.
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
3.61
ACCEL
-0.04
RETENTION
1.4%
PEAK 2026-03-21 · FORK-RETENTION 42.9% · 650 STARS / WINDOW
Author Audience
AUDIENCE
4,591
FOLLOWERS
487
OWNER ★
18,087
Engagement Signals
FORKS
225
ISSUE AUTH
1
PR AUTH
2
UNIQUE STARGAZERS 650 / 650 (DIVERSITY 1.00)
Why This Is A Finding
EverMind-AI/MSA собрал 650 звёзд за окно, тогда как у автора всего 487 подписчиков — эффективная аудитория ≈ 4,591. Это даёт surprise-индекс 0.00078 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 42.9% и 3 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 37% 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 37%
VELOCITY3.612.88+0.73ABOVE 63%
RETENTION1.4%6.3%-4.8 PPABOVE 7%
FORKS2251,183-958ABOVE 12%
SURPRISE0.000.00+0.00ABOVE 51%