Github Trends®
6295 findingsmedian surprise 0.0121window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: gharchive
FINDING #4855 · 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

SURPRISE0.000459
ENGAGEMENT0.20
FRESHNESS1.35
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
10% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
27.67
ACCEL
-1.36
RETENTION
22.6%
PEAK 2026-06-18 · FORK-RETENTION 0.0% · 830 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 830 / 830 (DIVERSITY 1.00)

Why This Is A Finding

roboflow/rf-detr собрал 830 звёзд за окно, тогда как у автора всего 5,140 подписчиков — эффективная аудитория ≈ 60,238. Это даёт surprise-индекс 0.000459 (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.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 6295 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 23%
VELOCITY27.674.23+23.43ABOVE 90%
RETENTION22.6%29.4%-6.8 PPABOVE 36%
FORKS1,08092+988ABOVE 92%
SURPRISE0.000.01-0.01ABOVE 9%