Github Trends®
5024 findingsmedian surprise 0.0142window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: gharchive
FINDING #3636 · UNIT ID 1241990700
sapientinc/HRM-Text
HRM-Text is a 1B text generation model based on the HRM architecture, strengthened by task completion and latent space reasoning.
[ PYTHON ][ ORG ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.00173
ENGAGEMENT0.20
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
7.33
ACCEL
-3.00
RETENTION
50.0%
PEAK 2026-07-13 · FORK-RETENTION 0.0% · 22 STARS / WINDOW

Author Audience

AUDIENCE
4,193
FOLLOWERS
664
OWNER ★
14,335

Engagement Signals

FORKS
161
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 22 / 22 (DIVERSITY 1.00)

Why This Is A Finding

sapientinc/HRM-Text собрал 22 звёзд за окно, тогда как у автора всего 664 подписчиков — эффективная аудитория ≈ 4,193. Это даёт surprise-индекс 0.00173 (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 5024 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 28%
VELOCITY7.336.67+0.67ABOVE 53%
RETENTION50.0%46.5%+3.5 PPABOVE 51%
FORKS161116+45ABOVE 58%
SURPRISE0.000.01-0.01ABOVE 16%