FINDING #4809 · UNIT ID 1376695565
yifanzhang-pro/KLPO
Official Project Page for KL-Regularized Policy Optimization for Agentic Reinforcement Learning (KLPO)
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
25% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
6.43
ACCEL
+1.64
RETENTION
1.1%
PEAK 2026-09-22 · FORK-RETENTION 0.0% · 45 STARS / WINDOW
Author Audience
AUDIENCE
771
FOLLOWERS
564
OWNER ★
2,068
Engagement Signals
FORKS
16
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 45 / 45 (DIVERSITY 1.00)
Why This Is A Finding
yifanzhang-pro/KLPO собрал 45 звёзд за окно, тогда как у автора всего 564 подписчиков — эффективная аудитория ≈ 771. Это даёт surprise-индекс 0.00793 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 51% OF 9770 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9770 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 51%
VELOCITY6.433.57+2.86ABOVE 66%
RETENTION1.1%40.0%-38.9 PPABOVE 13%
FORKS1692-76ABOVE 16%
SURPRISE0.010.01-0.00ABOVE 45%