FINDING #5364 · 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)
5% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
4.97
ACCEL
+0.06
RETENTION
48.1%
PEAK 2026-07-01 · FORK-RETENTION 0.0% · 149 STARS / WINDOW
Author Audience
AUDIENCE
31,984
FOLLOWERS
6,296
OWNER ★
96,960
Engagement Signals
FORKS
423
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 149 / 149 (DIVERSITY 1.00)
Why This Is A Finding
modelscope/evalscope собрал 149 звёзд за окно, тогда как у автора всего 6,296 подписчиков — эффективная аудитория ≈ 31,984. Это даёт surprise-индекс 0.000155 (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 15% OF 6295 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6295 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 15%
VELOCITY4.974.23+0.73ABOVE 55%
RETENTION48.1%29.4%+18.6 PPABOVE 83%
FORKS42392+331ABOVE 83%
SURPRISE0.000.01-0.01ABOVE 5%