融合大型语言模型预测初创企业成功
本文介绍了BloombergGPT， 这是一个在大量金融数据上训练得到的具有500亿参数的语言模型。通过使用混合数据集进行训练，我们得到的模型不仅在金融任务上表现出色，还在普遍的LLM基准测试上得到了不错的表现，同时也解释了模型构建、训练过程和评估方法。
Mar, 2023
利用机器学习和深度学习模型，结合资金指标、创始人特征和行业分类等多个因素，预测初创企业成功的目标里程碑，如首次公开募股(IPO)、独角兽地位、并购成功。通过使用Crunchbase的历史数据进行模型回测，并评估模型在真实投资环境中的实用性，研究结果显示了这种深度学习模型和非结构化数据在预测初创企业成功方面的巨大潜力，并为未来的研究进展提供了奠基。
Sep, 2023
该研究提供了一个评估语言模型在商业决策中的财务影响的框架，重点关注投资和收益方面的利益。研究发现，更昂贵的模型的更高准确性在一定条件下可以通过更显著的收益来证明更大的投资，但不一定有更大的回报率。此外，文章还讨论了操作变量的变化如何影响使用语言模型的经济效益，为企业提供了实用的洞见，发现预测收益和损失以及不同的成功和失败概率是影响模型敏感性最大的变量。
May, 2024
早期评估创业公司是一个复杂的任务，需要专家进行详细的分析。本文介绍了创业成功预测框架 (SSFF)，这是一个结合传统机器学习和先进语言模型的新型自动化系统。SSFF 由预测模块、分析师模块和外部知识模块组成，以模拟风险投资家的分析过程，并从外部来源获取实时信息，自动化地进行高精度的分析。
May, 2024
该研究通过利用大型语言模型（LLMs）在创业投资（VC）决策中的应用，探讨了基于创始人特征来预测创业公司成功的方法。利用链式思考等LLM提示技术，从有限数据中生成特征，通过统计和机器学习挖掘洞见。我们的结果揭示了某些创始人特征和成功之间的潜在关系，并证明了这些特征在预测中的有效性。该框架将机器学习技术和LLMs相结合，对于提高创业公司成功预测有巨大潜力，并对寻求优化投资策略的VC公司具有重要意义。
Jul, 2024
利用人工智能技术的最新进展来识别影响众筹活动成功的关键因素，并通过战略优化这些因素来提高筹款效果，我们的最佳性能机器学习模型能准确预测81.0%的众筹活动的筹款结果，主要基于其文本描述。通过解释机器学习模型，我们能够在启动活动之前提供可行的改进文本描述的建议。我们证明，通过使用大型语言模型来增加叙述的三个方面，活动对83%的人类评估者更具吸引力，并且其获得财务支持的可能性增加了11.9%。我们的研究揭示了为小型企业筹款活动制作描述的有效策略，并在众筹方法中开辟了一个新的领域。
Apr, 2024
本研究针对风险投资领域中，创业公司成功预测面临的数据不足和主观收入预测问题，提出了一种新颖的GraphRAG增强时间序列模型。该模型通过融入企业间的竞争和合作关系，显著提升了成功预测的准确性，实验结果表明其优于以往的方法，首次展示了GraphRAG在此领域的应用潜力。
Aug, 2024
本研究解决了风险投资行业中创业公司成功预测面临的金融数据有限和主观收入预测的问题。我们提出了一种新颖的方法，即GraphRAG增强的时间序列模型，通过将竞争与合作等关键的公司间关系纳入分析框架，显著提高了预测精确度。实验结果证明，该模型在创业公司成功预测方面显著优于以往模型，具有重要的应用潜力。
Aug, 2024
本研究解决了风险投资中初创企业成功预测面临的数据有限及主观收入预测的挑战。我们提出了一种新颖的GraphRAG增强时间序列模型，通过整合公司间的竞争与合作关系，动态理解初创企业生态系统。实验结果表明，该模型在预测初创企业成功方面显著优于以往模型，标志着GraphRAG在该领域的首次应用。
Aug, 2024