Github Trends®
5944 findingsmedian surprise 0.0104window 180 days
UNIT / TREND-MONITOR · REV 2.6
[ 180 days window ]
SOURCE: gharchive
FINDING #3493 · UNIT ID 951534260
roboflow/rf-detr
RF-DETR is a real-time object detection and segmentation model architecture developed by Roboflow, SOTA on COCO, designed for fine-tuning. [ICLR 2026]
[ PYTHON ][ ORG ][ VERIFIED ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000315
ENGAGEMENT0.20
FRESHNESS1.38
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
40% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
19.02
ACCEL
+0.09
RETENTION
23.3%
PEAK 2026-04-29 · FORK-RETENTION 0.0% · 3,423 STARS / WINDOW

Author Audience

AUDIENCE
60,238
FOLLOWERS
5,140
OWNER ★
85,584

Engagement Signals

FORKS
1,080
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 3,423 / 3,423 (DIVERSITY 1.00)

Why This Is A Finding

roboflow/rf-detr собрал 3,423 звёзд за окно, тогда как у автора всего 5,140 подписчиков — эффективная аудитория ≈ 60,238. Это даёт surprise-индекс 0.000315 (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 5944 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 41%
VELOCITY19.023.29+15.72ABOVE 91%
RETENTION23.3%11.3%+11.9 PPABOVE 78%
FORKS1,08099+981ABOVE 95%
SURPRISE0.000.01-0.01ABOVE 9%