FINDING #4945 · UNIT ID 700117650
SWE-bench/SWE-bench
SWE-bench: Can Language Models Resolve Real-world Github Issues?
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
3% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
5.87
ACCEL
-0.00
RETENTION
36.5%
PEAK 2026-10-13 · FORK-RETENTION 20.8% · 176 STARS / WINDOW
Author Audience
AUDIENCE
2,141
FOLLOWERS
345
OWNER ★
7,257
Engagement Signals
FORKS
1,020
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 176 / 176 (DIVERSITY 1.00)
Why This Is A Finding
SWE-bench/SWE-bench собрал 176 звёзд за окно, тогда как у автора всего 345 подписчиков — эффективная аудитория ≈ 2,141. Это даёт surprise-индекс 0.00269 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 20.8% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 49% OF 9675 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9675 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 49%
VELOCITY5.873.80+2.07ABOVE 65%
RETENTION36.5%20.3%+16.3 PPABOVE 82%
FORKS1,020138+882ABOVE 89%
SURPRISE0.000.01-0.00ABOVE 28%