FINDING #4921 · 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
6.43
ACCEL
-0.03
RETENTION
52.0%
PEAK 2026-07-31 · FORK-RETENTION 88.9% · 193 STARS / WINDOW
Author Audience
AUDIENCE
2,012
FOLLOWERS
317
OWNER ★
6,888
Engagement Signals
FORKS
957
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 193 / 193 (DIVERSITY 1.00)
Why This Is A Finding
SWE-bench/SWE-bench собрал 193 звёзд за окно, тогда как у автора всего 317 подписчиков — эффективная аудитория ≈ 2,012. Это даёт surprise-индекс 0.00314 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 88.9% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 49% OF 9595 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9595 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 49%
VELOCITY6.433.67+2.77ABOVE 68%
RETENTION52.0%24.6%+27.4 PPABOVE 93%
FORKS957115+842ABOVE 90%
SURPRISE0.000.01-0.01ABOVE 28%