FINDING #2734 · UNIT ID 728528910
modelscope/evalscope
A streamlined and customizable framework for efficient large model (LLM, VLM, AIGC) evaluation and performance benchmarking.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
11.00
ACCEL
0.00
RETENTION
0.0%
PEAK 2026-07-15 · FORK-RETENTION 0.0% · 11 STARS / WINDOW
Author Audience
AUDIENCE
31,974
FOLLOWERS
6,296
OWNER ★
96,960
Engagement Signals
FORKS
423
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 11 / 11 (DIVERSITY 1.00)
Why This Is A Finding
modelscope/evalscope собрал 11 звёзд за окно, тогда как у автора всего 6,296 подписчиков — эффективная аудитория ≈ 31,974. Это даёт surprise-индекс 0.000344 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 14% OF 3194 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 3194 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 14%
VELOCITY11.0010.00+1.00ABOVE 52%
RETENTION0.0%0.0%0.0 PPABOVE 0%
FORKS423176+247ABOVE 72%
SURPRISE0.000.02-0.02ABOVE 6%