FINDING #800 · UNIT ID 1186389044
lambda-calculus-LLM/lambda-RLM
Method for Long Context RLMs using verifiable Lambda Calculus
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
100% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
1.68
ACCEL
-0.00
RETENTION
1.1%
PEAK 2026-04-22 · FORK-RETENTION 0.0% · 303 STARS / WINDOW
Author Audience
AUDIENCE
45
FOLLOWERS
15
OWNER ★
303
Engagement Signals
FORKS
17
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 303 / 303 (DIVERSITY 1.00)
Why This Is A Finding
lambda-calculus-LLM/lambda-RLM собрал 303 звёзд за окно, тогда как у автора всего 15 подписчиков — эффективная аудитория ≈ 45. Это даёт surprise-индекс 0.0197 (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.
Related Findings
RANKS ABOVE 87% OF 5944 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 5944 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 87%
VELOCITY1.683.29-1.61ABOVE 9%
RETENTION1.1%11.3%-10.3 PPABOVE 2%
FORKS1799-82ABOVE 6%
SURPRISE0.020.01+0.01ABOVE 74%