本论文提出 YC Bench:在 Y Combinator 批次内以“Pre-Demo Day Score”作为短期代理目标,用可公开获得的 traction 与 web attention 信号对批次内前 10% 成员进行预测并即时评估;以 W26 批次为例,基于申请截止前的 Google mentions 的简单基线即可在 Demo Day 前数月识别出 6/11 高 traction 企业(Recall=55%),表明公开可得信号对早期优异表现具有实质信息量 .
| Metric | Baseline | Random |
|---|---|---|
| Precision @20 | 30.0% | 10.9% |
| Recall @11 | 55.0% | — |
| Lift over random | 2.75x | — |
| Forecasting horizon | ~5 months | — |
元数据与概览(引言与报告概览)
逐节深度解读
图表与表格深度解读(每一图表逐一分析并嵌图)
Table 1(VC 信号权重,页面 2):表列出七类信号及其权重与理由,ARR 权重最高(1.00),体现作者与 VC 常识一致的优先级分配,Pilot revenue、Active users 等为次级但仍显著.
图 1:Top 10% by Pre-Demo Day Score(页面 3)。此图展示前 20 名公司按 Pre-Demo Score 排序,并以颜色区分“主要由 traction 驱动(紫色)”与“主要由 attention 驱动(深蓝)”的公司;图中 heyppocket.com(HeyPocket)得分最高,且许多排名靠前的公司为紫色,表明 traction 在 top 排名中占主导.
图 2:Top 20 domains by Google mentions during batch(页面 4)。此图说明在 2026-01-01 至 2026-03-17 期间的 Google mentions 分布,gru.space 与 paxhistoria.co 位列前二,didit.me 与 21st.dev 也在前列.
图 3:Traction Score Leaderboard(页面 5)。该图以对数刻度展示获取 traction 数据的 11 家公司中,Pocket(作者用名为 Pocket)遥遥领先,Mango Medical、Didit 位列其后.
图 4(三联图,页面 5):左为 mentions 的对数分布条形图,中为 power-law 检查(对数坐标),右为洛伦兹曲线显示 Gini=0.85(top10% 占 81.7% mentions).
图 5:Top 20 domains by Google mentions before application deadline(页面 6),用于基线信号;paxhistoria.co 与 gru.space 在截止日前也领先,说明部分可见度早于 YC 影响.
Table 2(Baseline predictor results,页面 6):报告列出 Precision@20 = 30.0%、Recall@11 = 55.0%、相对随机(Precision≈10.9%)的提升 2.75×,以及预测时滞约 5 个月的事实.
图 6 与图 7(页面 7):展示了基线覆盖情况,将 Traction Leaderboard 与 Pre-Demo Top20 按是否被基线捕获进行着色对比,图示绿色为捕获、橙色为漏失,显示基线成功捕获若干头部但仍漏失同样重要的 traction 驱动者.
估值分析
风险因素评估(报告内识别与作者声明)
批判性视角与细微差别
结论性综合(总结与关键发现)
总体评价(基于报告内容的客观判断)
(文末附:关键图像复现)
若需我进一步:
2604.02378.pdf