FINDING #8639 · 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)
29% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
50.90
ACCEL
-2.95
RETENTION
8.0%
PEAK 2026-09-26 · FORK-RETENTION 62.4% · 1,527 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 1,527 / 1,527 (DIVERSITY 1.00)
Why This Is A Finding
NVIDIA/Model-Optimizer собрал 1,527 звёзд за окно, тогда как у автора всего 31,458 подписчиков — эффективная аудитория ≈ 567,194. Это даёт surprise-индекс 0.0000897 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 62.4% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 11% OF 9675 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9675 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 11%
VELOCITY50.903.80+47.10ABOVE 96%
RETENTION8.0%20.3%-12.2 PPABOVE 20%
FORKS752138+614ABOVE 85%
SURPRISE0.000.01-0.01ABOVE 5%