FINDING #3849 · 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)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
6.33
ACCEL
-1.00
RETENTION
85.7%
PEAK 2026-08-27 · FORK-RETENTION 0.0% · 19 STARS / WINDOW
Author Audience
AUDIENCE
2,011
FOLLOWERS
317
OWNER ★
6,888
Engagement Signals
FORKS
957
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 19 / 19 (DIVERSITY 1.00)
Why This Is A Finding
SWE-bench/SWE-bench собрал 19 звёзд за окно, тогда как у автора всего 317 подписчиков — эффективная аудитория ≈ 2,011. Это даёт surprise-индекс 0.00309 (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.
Related Findings
RANKS ABOVE 58% OF 9102 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9102 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 58%
VELOCITY6.335.67+0.67ABOVE 53%
RETENTION85.7%45.5%+40.3 PPABOVE 92%
FORKS957340+618ABOVE 70%
SURPRISE0.000.00-0.00ABOVE 45%