FINDING #4299 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
7.67
ACCEL
+3.50
RETENTION
0.0%
PEAK 2026-07-15 · FORK-RETENTION 0.0% · 23 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 23 / 23 (DIVERSITY 1.00)
Why This Is A Finding
modelscope/evalscope собрал 23 звёзд за окно, тогда как у автора всего 6,296 подписчиков — эффективная аудитория ≈ 31,984. Это даёт surprise-индекс 0.000239 (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 5024 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 5024 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 14%
VELOCITY7.676.67+1.00ABOVE 54%
RETENTION0.0%46.5%-46.5 PPABOVE 0%
FORKS423116+307ABOVE 80%
SURPRISE0.000.01-0.01ABOVE 6%