Github Trends®
9675 findingsmedian surprise 0.00741window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: own snapshots
FINDING #8497 · 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

SURPRISE0.000125
ENGAGEMENT0.40
FRESHNESS1.20
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
8.17
ACCEL
-0.29
RETENTION
24.0%
PEAK 2026-10-08 · FORK-RETENTION 6.5% · 245 STARS / WINDOW

Author Audience

AUDIENCE
65,522
FOLLOWERS
5,442
OWNER ★
91,080

Engagement Signals

FORKS
1,238
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 245 / 245 (DIVERSITY 1.00)

Why This Is A Finding

roboflow/rf-detr собрал 245 звёзд за окно, тогда как у автора всего 5,442 подписчиков — эффективная аудитория ≈ 65,522. Это даёт surprise-индекс 0.000125 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 6.5% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9675 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 12%
VELOCITY8.173.80+4.37ABOVE 73%
RETENTION24.0%20.3%+3.7 PPABOVE 58%
FORKS1,238138+1,100ABOVE 90%
SURPRISE0.000.01-0.01ABOVE 5%