研究人员推出了VCBench，这是一个新颖的基准测试，旨在评估大语言模型在风险投资行业预测创始人成功方面的能力。该基准测试包含一个包含9,000个匿名创始人档案的数据集，该数据集经过精心设计，可在最大限度地降低重新识别风险的同时，保留预测特征。初步评估显示，DeepSeek-V3和GPT-4o等模型显著优于基线精度和人类基准，为人工智能在早期风险预测方面树立了新标准。 AI
影响 为大语言模型在风险投资领域的评估树立了新基准，有望提高预测准确性并识别有前景的初创公司。
排序理由 这是一篇介绍在特定领域评估大语言模型新基准的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
