PHBench

PHBench 是什麼？

PHBench是由Vela Partners和牛津大學開發的可重現、研究級基準測試，直接從Product Hunt發布訊號識別A輪融資潛力。基於2019年至2025年的67,292個精選發布進行訓練，並與Crunchbase融資記錄交叉驗證，揭示了早期新創公司成功的統計顯著預測因子。其表現最佳的集成模型實現了4.7倍於隨機基線的提升，每個新的Product Hunt發布都會自動獲得即時預測分數。所有程式碼、基線模型和匿名化資料集劃分均公開可用，使其成為研究人員和投資者的完全開放平台。

主要功能

• 大規模發布資料集

  基於2019-2025年間67,292個精選Product Hunt發布貼文建構，透過確定性網域匹配關聯到Crunchbase記錄，識別出528個已驗證的A輪融資作為真實標籤。

• 61個工程化預測特徵

  每個發布由61個結構化特徵表示，涵蓋參與度訊號（投票、評論、評價）、排名訊號（日榜、週榜、月榜）、創辦人屬性、時間模式、主題標籤和交互項。

• 經驗證的預測能力

  頂級集成模型（ENS_avg、ENS_ISO、XGB）在留出測試集上實現了4.7倍於隨機基線的提升，將0.78%的基礎率轉化為可操作的投資訊號。

• 即時線上評分

  每個新的Product Hunt發布都會自動從表現最佳的模型獲得預測分數，為投資者和創辦人提供即時訊號，無需人工分析。

• 公開排行榜與開放提交

  公開排行榜根據五項指標評估體系對提交的機器學習和大語言模型進行排名，使用留出的盲測試集進行公平、標準化的比較。

• 研究級可重現性

  提供公開的訓練集、驗證集和盲測試集劃分，以及所有程式碼和基線模型，遵循與牛津大學共同開發的同儕審查方法論。

使用案例

• 創投篩選 : 創投和天使投資人可以從數千個Product Hunt發布中篩選出排名靠前的潛力專案，優先對預測A輪融資機率最高的新創公司進行盡職調查。
• 新創公司自我基準測試 : 創辦人可以將自己的Product Hunt發布表現與歷史A輪融資成功者進行比較，了解自己的位置以及需要加強哪些訊號。
• 機器學習模型開發與競賽 : 資料科學家和研究人員可以提交自己的模型參與公開排行榜競爭，使用標準化資料集和評估體系來衡量真實的預測效能。
• 學術研究 : 研究新創公司成功、早期融資動態或風險訊號提取的研究人員可以存取一個乾淨、可引用、有文件記錄且經過同儕審查方法論的資料集。
• 市場結構分析 : 分析師可以利用資料集中的時間效能衰減模式來研究融資市場如何隨時間變化，從2020-2021年的繁榮到隨後的收縮。

常見問題