Github Trends®
1069 findingsmedian surprise 0.0527window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: gharchive
FINDING #832 · UNIT ID 1296344930
w3cj/how-llms-work
An interactive app that walks through every stage of the LLM pipeline, from pattern matching to training a transformer from scratch, with working code you can run locally.
[ TYPESCRIPT ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.00198
ENGAGEMENT0.20
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
54% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
13.67
ACCEL
-4.50
RETENTION
52.5%
PEAK 2026-07-12 · FORK-RETENTION 0.0% · 41 STARS / WINDOW

Author Audience

AUDIENCE
6,861
FOLLOWERS
6,345
OWNER ★
5,161

Engagement Signals

FORKS
16
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 41 / 41 (DIVERSITY 1.00)

Why This Is A Finding

w3cj/how-llms-work собрал 41 звёзд за окно, тогда как у автора всего 6,345 подписчиков — эффективная аудитория ≈ 6,861. Это даёт surprise-индекс 0.00198 (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.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 1069 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.01-0.01ABOVE 22%
VELOCITY13.6715.33-1.67ABOVE 46%
RETENTION52.5%33.3%+19.2 PPABOVE 71%
FORKS1645-29ABOVE 29%
SURPRISE0.000.05-0.05ABOVE 7%