Reasoning-Based AI for Startup Evaluation (R.A.I.S.E.): A Memory-Augmented, Multi-Step Decision Framework

要約

意思決定ツリーの解釈可能性と、スタートアップの成功を予測するための大規模な言語モデル（LLM）の高度な推論能力とのギャップを埋める新しいフレームワークを提示します。
私たちのアプローチは、詳細な推論ログを生成するためにチェーンの考え方を活用しており、その後、構造化された人間に理解しやすい論理ルールに蒸留されます。
パイプラインは、安定した意思決定と透明な出力の両方を確保するために、複数の強化 – 効率的なデータ摂取、2段階の洗練プロセス、アンサンブル候補サンプリング、シミュレーション補強学習スコアリング、および永続的なメモリを統合します。
キュレーションされたスタートアップデータセットでの実験的評価は、合計パイプラインが0.225から0.346に54％、精度が0.46から0.70に50％を50％に改善することを示しています。
特に、私たちのモデルは、ランダム分類器の精度（16％）の2倍以上を達成します。
最先端のAI推論と明示的なルールベースの説明を組み合わせることにより、私たちの方法は、従来の意思決定プロセスを強化するだけでなく、専門家の介入と継続的な政策改良を促進します。
この作業は、ハイステークス投資環境および透明性およびデータ駆動型の洞察を必要とするハイステークス投資環境およびその他のドメインにおける解釈可能なLLM駆動型決定フレームワークを実装するための基盤となります。

要約(オリジナル)

We present a novel framework that bridges the gap between the interpretability of decision trees and the advanced reasoning capabilities of large language models (LLMs) to predict startup success. Our approach leverages chain-of-thought prompting to generate detailed reasoning logs, which are subsequently distilled into structured, human-understandable logical rules. The pipeline integrates multiple enhancements – efficient data ingestion, a two-step refinement process, ensemble candidate sampling, simulated reinforcement learning scoring, and persistent memory – to ensure both stable decision-making and transparent output. Experimental evaluations on curated startup datasets demonstrate that our combined pipeline improves precision by 54% from 0.225 to 0.346 and accuracy by 50% from 0.46 to 0.70 compared to a standalone OpenAI o3 model. Notably, our model achieves over 2x the precision of a random classifier (16%). By combining state-of-the-art AI reasoning with explicit rule-based explanations, our method not only augments traditional decision-making processes but also facilitates expert intervention and continuous policy refinement. This work lays the foundation for the implementation of interpretable LLM-powered decision frameworks in high-stakes investment environments and other domains that require transparent and data-driven insights.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google