PHBench

@rajiv_ayyangar，非常感谢你帮我们挖到了这个！

嘿 PH 社区 👋

我们是 Yagiz（亚马逊的高级技术产品经理兼独立研究员）和 Yigit（Vela Partners 的联合创始人兼 GP）。今天，我们与牛津大学（Ben Griffin 和 Rick Chen）以及领先的量化风投 Vela Partners 合作，正式发布 PHBench。

是的，在 Product Hunt 上发布一个 Product Hunt 基准测试的讽刺意味完全是故意的 🙂

故事是这样的。我们一直在问一个没人回答过的问题：你能仅凭发布当天的数据（票数、排名、团队规模、类别、时间）来预测哪些 Product Hunt 发布能拿到 Series A 融资吗？

于是我们做了 PHBench。我们收集了自 2019 年以来的 67,292 个被精选的 PH 发布，将它们与 Crunchbase 的融资记录匹配，并识别出 528 个在 18 个月内成功拿到 Series A 的案例。七年的数据。每一个精选发布。

三个我觉得这个社区会感兴趣的结果：

→ 信号是有效的。我们的模型比随机猜测好 4.7 倍。统计上显著。

→ 最强的预测因素不是票数本身。而是团队规模 × 社区参与度。一个大型协调团队实现高牵引力，比单独任何一个信号都更具预测性。

→ B2B 类别的转化率是基准线的 3 倍。API、支付、金融科技。如果你在周二用一个大型团队和高参与度发布一个开发者工具，那是一个很强的信号。

我们还在同样的任务上测试了三个前沿的 Gemini 模型。能力最强的模型表现最差。更好的推理能力对纯数字没有帮助。

数据集在 HuggingFace 上可用。排行榜已上线。代码是公开的。你能打败我们的基准吗？

论文在 arXiv 上，并已提交到 NeurIPS 2026 评估与数据集赛道。

非常期待你的反馈——尤其是那些在 PH 上发布过并随后拿到 Series A 的人。你们在我们的数据集里 :)