FINDING #6177 · UNIT ID 869660918
openai/mle-bench
MLE-bench is a benchmark for measuring how well AI agents perform at machine learning engineering
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
10% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
1.86
ACCEL
-0.00
RETENTION
21.8%
PEAK 2026-04-23 · FORK-RETENTION 0.0% · 167 STARS / WINDOW
Author Audience
AUDIENCE
1,850,510
FOLLOWERS
126,506
OWNER ★
900,322
Engagement Signals
FORKS
256
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 167 / 167 (DIVERSITY 1.00)
Why This Is A Finding
openai/mle-bench собрал 167 звёзд за окно, тогда как у автора всего 126,506 подписчиков — эффективная аудитория ≈ 1,850,510. Это даёт surprise-индекс 0.000001 (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 3% OF 6380 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6380 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 3%
VELOCITY1.863.99-2.14ABOVE 13%
RETENTION21.8%17.1%+4.7 PPABOVE 60%
FORKS25690+167ABOVE 76%
SURPRISE0.000.01-0.01ABOVE 0%