这适用于每个产品/行业:不要仅仅把 LLM 投入其中! 这不是快速行动和自动化的事情。 要成功地利用 LLM 从根本上改善现有系统,您需要一个经过深思熟虑的结构 ↓
Dan Gray
Dan Gray12月14日 23:13
关于算法投资、认知偏见以及大型语言模型(LLMs)在风险投资世界中可能适合的位置的14篇论文,共计2750字。 简而言之——存在一个真正的风险,即LLMs在投资决策中被盲目使用,这要归因于在模拟环境中产生的误导性结果。 这只会加剧现有问题并导致更大的表现不佳。 这并不是说风险投资在自动化面前是安全的;更简单的算法已经提供了超额收益。但这些算法成功的原因更有趣: 事实证明,识别和管理我们的认知偏见是持续且显著超越机器的关键。 另一方面,我们与LLMs所创造的,是一种在科学客观性的幌子下,以规模化方式应用我们偏见的简单方法。 更多:
有句老话:无论你去哪里,你都在那里(大致是这个意思)。这对于偏见和LLMs来说是正确的。 LLMs并不会神奇地消除偏见。它们只是转移了偏见。
…这就是为什么 ADIN 不是“仅仅是一个加在风险投资上的 LLM” ADIN 的结构明确地将人类与机器结合起来,以对抗偏见,而不是自动化它: • LPs(投资者)提供资本并对人类侦察员筛选出的 AI 过滤交易进行投票 • 侦察员可以从旧的 Rolodex 之外发掘机会,如果他们发掘出赢家则可以获得收益 • 有限的 GPs(最初为 @tributelabsxyz)拥有否决权,以保护质量和治理,仅收取 1% 的费用
早期,ADIN 采纳了 "天空中的硅谷" 这一理念。 这个小短语传达了我们正在创造的风险投资未来的去中心化结构。在这个未来中,你不必去某所学校,不必住在某个邮政编码下,也不必勾选任何任意的选项。
无论如何,@credistick 的文章很不错。值得一读。顺便去看看 ADIN 的 Substack,我们在那儿阐述了用有意的 AI 重新构建风险投资的愿景。
141