FINDING #1641 · UNIT ID 790916393
NVIDIA/Model-Optimizer
A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.
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
7.00
ACCEL
0.00
RETENTION
0.0%
PEAK 2026-10-17 · FORK-RETENTION 0.0% · 7 STARS / WINDOW
Author Audience
AUDIENCE
567,194
FOLLOWERS
31,458
OWNER ★
441,205
Engagement Signals
FORKS
752
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 7 / 7 (DIVERSITY 1.00)
Why This Is A Finding
NVIDIA/Model-Optimizer собрал 7 звёзд за окно, тогда как у автора всего 31,458 подписчиков — эффективная аудитория ≈ 567,194. Это даёт surprise-индекс 0.0000123 (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 3% OF 1684 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1684 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 3%
VELOCITY7.0010.00-3.00ABOVE 26%
RETENTION0.0%0.0%0.0 PPABOVE 0%
FORKS752297+456ABOVE 68%
SURPRISE0.000.01-0.01ABOVE 1%