FINDING #9008 · 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)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
12.86
ACCEL
+0.14
RETENTION
30.4%
PEAK 2026-10-16 · FORK-RETENTION 7.7% · 90 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 90 / 90 (DIVERSITY 1.00)
Why This Is A Finding
NVIDIA/Model-Optimizer собрал 90 звёзд за окно, тогда как у автора всего 31,458 подписчиков — эффективная аудитория ≈ 567,194. Это даёт surprise-индекс 0.0000227 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 7.7% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 7% OF 9651 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9651 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 7%
VELOCITY12.863.14+9.71ABOVE 86%
RETENTION30.4%16.7%+13.8 PPABOVE 66%
FORKS752277+475ABOVE 69%
SURPRISE0.000.00-0.00ABOVE 4%