Github Trends®
8833 findingsmedian surprise 0.00433window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: own snapshots
FINDING #1292 · UNIT ID 834369920
jingyaogong/minimind
🧠 Train a 64M-parameter LLM from scratch in just 2h!
[ PYTHON ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.0214
ENGAGEMENT0.46
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
204.00
ACCEL
-72.00
RETENTION
59.7%
PEAK 2026-09-10 · FORK-RETENTION 62.0% · 612 STARS / WINDOW

Author Audience

AUDIENCE
9,486
FOLLOWERS
2,289
OWNER ★
71,965

Engagement Signals

FORKS
7,890
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 612 / 612 (DIVERSITY 1.00)

Why This Is A Finding

jingyaogong/minimind собрал 612 звёзд за окно, тогда как у автора всего 2,289 подписчиков — эффективная аудитория ≈ 9,486. Это даёт surprise-индекс 0.0214 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 62.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 8833 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 85%
VELOCITY204.005.67+198.33ABOVE 99%
RETENTION59.7%45.9%+13.8 PPABOVE 65%
FORKS7,890343+7,547ABOVE 96%
SURPRISE0.020.00+0.02ABOVE 76%