Github Trends®
6295 findingsmedian surprise 0.0121window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: gharchive
FINDING #5439 · UNIT ID 942696497
rasbt/reasoning-from-scratch
Implement a reasoning LLM in PyTorch from scratch, step by step
[ JUPYTER NOTEBOOK ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000136
ENGAGEMENT0.20
FRESHNESS1.37
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
5% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
7.80
ACCEL
+0.06
RETENTION
32.9%
PEAK 2026-07-01 · FORK-RETENTION 0.0% · 234 STARS / WINDOW

Author Audience

AUDIENCE
57,381
FOLLOWERS
38,922
OWNER ★
184,592

Engagement Signals

FORKS
709
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 234 / 234 (DIVERSITY 1.00)

Why This Is A Finding

rasbt/reasoning-from-scratch собрал 234 звёзд за окно, тогда как у автора всего 38,922 подписчиков — эффективная аудитория ≈ 57,381. Это даёт surprise-индекс 0.000136 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 6295 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 14%
VELOCITY7.804.23+3.57ABOVE 69%
RETENTION32.9%29.4%+3.4 PPABOVE 57%
FORKS70992+617ABOVE 89%
SURPRISE0.000.01-0.01ABOVE 5%