PHBench

@rajiv_ayyangar，非常感谢你发掘我们的项目！

嘿，Product Hunt社区的朋友们 👋

我是Yagiz，亚马逊高级技术产品经理兼独立研究员，这位是Yigit，Vela Partners联合创始人及普通合伙人。今天，我们和牛津大学（Ben Griffin与Rick Chen）以及顶级量化风投Vela Partners合作推出了PHBench。

没错，我们故意 ironic 一把——在Product Hunt上发布Product Hunt基准测试 🙂

讲讲项目起源：我们一直在问一个没人回答过的问题：仅凭发布当天可见的信息（票数、排名、团队规模、分类、发布时间），你能预测哪些Product Hunt项目能拿到A轮融资吗？

于是我们打造了PHBench。我们收集了2019年以来67,292个Product Hunt精选发布项目，将它们与Crunchbase融资记录匹配，最终确认了528个在18个月内成功完成A轮融资的真实案例。覆盖七年数据，一个精选项目都没漏。

我们认为这个社区会对三个发现感兴趣：

→ 信号有效。我们模型的预测效果是随机猜测的4.7倍，具有统计显著性。

→ 最强预测因子不只是票数，而是团队规模 × 社区参与度的组合。一支协调有序的大团队获得高关注度，比单一信号的预测力强得多。

→ B2B类别的转化率是基准水平的3倍，具体包括API、支付、金融科技。如果你周二发布开发者工具，团队规模大、社区参与度高，那这就是非常强劲的融资信号。

我们还让三个最新Gemini模型做了同样的任务，结果能力最强的模型表现最差。更强的推理能力对纯数值任务没什么帮助。

数据集已上传到HuggingFace，排行榜已上线，代码完全开源。你能打败我们的基准模型吗？

论文已发布在arXiv，并已投稿至NeurIPS 2026评估与数据集赛道。

非常期待收到你的反馈——尤其是那些曾在PH发布项目并成功拿到A轮的朋友，你的项目就在我们的数据集中 :)

点赞(16)