FINDING #6479 · 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
9.57
ACCEL
-0.46
RETENTION
57.1%
PEAK 2026-07-13 · FORK-RETENTION 0.0% · 67 STARS / WINDOW
Author Audience
AUDIENCE
490,088
FOLLOWERS
28,029
OWNER ★
391,516
Engagement Signals
FORKS
502
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 67 / 67 (DIVERSITY 1.00)
Why This Is A Finding
NVIDIA/Model-Optimizer собрал 67 звёзд за окно, тогда как у автора всего 28,029 подписчиков — эффективная аудитория ≈ 490,088. Это даёт surprise-индекс 0.0000195 (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 6% OF 6892 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6892 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 6%
VELOCITY9.574.14+5.43ABOVE 73%
RETENTION57.1%40.6%+16.5 PPABOVE 72%
FORKS50289+413ABOVE 86%
SURPRISE0.000.01-0.01ABOVE 2%