FINDING #5267 · 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
7.14
ACCEL
-0.21
RETENTION
63.3%
PEAK 2026-08-26 · FORK-RETENTION 50.0% · 50 STARS / WINDOW
Author Audience
AUDIENCE
2,012
FOLLOWERS
317
OWNER ★
6,888
Engagement Signals
FORKS
957
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 50 / 50 (DIVERSITY 1.00)
Why This Is A Finding
SWE-bench/SWE-bench собрал 50 звёзд за окно, тогда как у автора всего 317 подписчиков — эффективная аудитория ≈ 2,012. Это даёт surprise-индекс 0.00348 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 50.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 46% OF 9771 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9771 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 46%
VELOCITY7.143.71+3.43ABOVE 71%
RETENTION63.3%39.3%+24.0 PPABOVE 84%
FORKS95791+866ABOVE 92%
SURPRISE0.000.01-0.01ABOVE 27%