FINDING #3595 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
6.57
ACCEL
-0.64
RETENTION
36.5%
PEAK 2026-10-13 · FORK-RETENTION 83.3% · 46 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 46 / 46 (DIVERSITY 1.00)
Why This Is A Finding
SWE-bench/SWE-bench собрал 46 звёзд за окно, тогда как у автора всего 345 подписчиков — эффективная аудитория ≈ 2,141. Это даёт surprise-индекс 0.00301 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 83.3% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 63% OF 9651 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9651 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 63%
VELOCITY6.573.14+3.43ABOVE 73%
RETENTION36.5%16.7%+19.9 PPABOVE 71%
FORKS1,020277+743ABOVE 74%
SURPRISE0.000.00-0.00ABOVE 48%