Github Trends®
9102 findingsmedian surprise 0.00429window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: own snapshots
FINDING #7891 · 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

SURPRISE0.000164
ENGAGEMENT0.20
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
0% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
10.33
ACCEL
-2.50
RETENTION
69.2%
PEAK 2026-08-27 · FORK-RETENTION 0.0% · 31 STARS / WINDOW

Author Audience

AUDIENCE
62,903
FOLLOWERS
5,295
OWNER ★
88,361

Engagement Signals

FORKS
1,150
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 31 / 31 (DIVERSITY 1.00)

Why This Is A Finding

roboflow/rf-detr собрал 31 звёзд за окно, тогда как у автора всего 5,295 подписчиков — эффективная аудитория ≈ 62,903. Это даёт surprise-индекс 0.000164 (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 9102 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 13%
VELOCITY10.335.67+4.67ABOVE 71%
RETENTION69.2%45.5%+23.8 PPABOVE 77%
FORKS1,150340+811ABOVE 73%
SURPRISE0.000.00-0.00ABOVE 9%