模型排行榜
对从 Product Hunt 上线信号预测 A 轮结果的模型进行排名，并提供公开排行榜，用于比较集成方法、LightGBM、XGBoost 和语言模型基线等方法。
PHBench
认领PHBench 是一个开源基准，用于根据 Product Hunt 上线信号预测是否能获得 A 轮融资，提供标注数据集、公开排行榜和每周预测视图。
概述
PHBench 是一个开源基准，用于预测一次 Product Hunt 上线最终是否会获得 A 轮融资。该网站将问题定义为基于 24 小时的 Product Hunt 信号窗口对上线进行排序，并在 18 个月窗口内根据已验证的融资结果评估模型。
它结合了带标签的历史数据集、公开排行榜和每周预测视图。基准页面说明，模型基于 2019 年到 2025 年的 67,292 次上线进行训练和排名，其中有 528 个已验证的 A 轮事件，且公开测试集会一直保留到最终提交。
功能
每周预测
对新的 Product Hunt 上线进行评分并展示每周预测结果，包括本周上线的提升排名。
历史上线数据集
使用涵盖 2019 年到 2025 年的 67,292 次 Product Hunt 上线和 528 个已验证 A 轮事件的数据集，为基准提供有记录的评估基础。
信号分析
展示哪些信号与 A 轮结果关联最强，包括上线当天排名、Maker 关注者数量、投票/评论比以及主题相关特征。
可复现的方法
通过人工标签审核、特征文档、留出公开测试集以及提交用的哈希固定重跑，记录其基准设置。
项目资源
提供数据集、方法论、论文、GitHub 和 Newsletter 的项目链接，方便用户查看基准并跟进更新。
使用场景
基准评估模型性能
研究人员或开发者可以使用 PHBench 在同一 Product Hunt 到 A 轮任务上比较不同建模方法，并查看其方法在公开排行榜上的排名。
查看每周上线信号
关注 Product Hunt 的创始人或运营人员可以查看每周预测，了解哪些上线在基准中被评为更有可能获得 A 轮融资。
研究上线信号模式
数据从业者可以查看信号分析部分，了解哪些上线特征在基准中看起来最具预测性，以及哪些被视为噪声。
使用可复现参考
关注可复现评估的团队可以使用已记录的方法论、留出测试集和可引用论文，了解该基准是如何构建和提交的。
Pros and Cons
Pros
- 明确的基准重点：根据 Product Hunt 上线信号预测 A 轮融资。
- 拥有 67,292 条上线记录和 528 个已验证 A 轮结果的大型标注数据集。
- 公开排行榜和模型对比使评估设置易于查看。
- 方法论通过人工标签审核和留出测试集进行了文档化。
- 每周预测页面提供了超出基准本身的具体用户可见输出。
Cons
- 提供的网站抓取中没有定价页面，因此无法确认公开定价条款。
- 源页面未说明集成、API 或导出格式。
- 功能细节主要集中在基准和预测视图；在所提供的来源中，更广泛的产品工作流文档较少。
FAQ
PHBench 衡量什么？
PHBench 是一个开源基准，用于预测一个 Product Hunt 上线是否会在 18 个月内获得 A 轮融资。
是否有公开的定价页面？
该网站展示了开源基准、排行榜、数据集、方法论和预测视图。所提供的页面中未显示公开定价方案；定价 URL 返回 404。
预测如何评估？
该基准基于 Product Hunt 上线信号，并在留出测试数据上对模型进行排名。首页说明提交会在哈希固定的测试集上重新运行，且公开测试集会在最终提交前保持留出。
PHBench 提供什么样的输出？
该网站展示了 Product Hunt 上线的每周预测以及模型排行榜。它还显示了“获取每周预测”的行动号召和一个包含已评分上线的预测页面。
Quick Facts
- 类别
- 开发者工具
- 产品类型
- 开源基准
- 主要用途
- 根据 Product Hunt 信号预测 A 轮融资
- 数据集规模
- 67,292 次上线
- 已验证结果
- 528 个 A 轮事件
- 源域名
- phbench.com