FINDING #4750 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
10.00
ACCEL
-3.00
RETENTION
57.1%
PEAK 2026-07-13 · FORK-RETENTION 0.0% · 30 STARS / WINDOW
Author Audience
AUDIENCE
489,906
FOLLOWERS
28,029
OWNER ★
391,516
Engagement Signals
FORKS
502
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 30 / 30 (DIVERSITY 1.00)
Why This Is A Finding
NVIDIA/Model-Optimizer собрал 30 звёзд за окно, тогда как у автора всего 28,029 подписчиков — эффективная аудитория ≈ 489,906. Это даёт surprise-индекс 0.0000204 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 5% 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 5%
VELOCITY10.006.67+3.33ABOVE 63%
RETENTION57.1%46.5%+10.7 PPABOVE 61%
FORKS502116+386ABOVE 83%
SURPRISE0.000.01-0.01ABOVE 2%