論文の概要: LLM Agents as VC investors: Predicting Startup Success via RolePlay-Based Collective Simulation

• arxiv url: http://arxiv.org/abs/2512.22608v1
• Date: Sat, 27 Dec 2025 14:34:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.135307
• Title: LLM Agents as VC investors: Predicting Startup Success via RolePlay-Based Collective Simulation
• Title（参考訳）: VC投資家としてのLLMエージェント - RolePlayベースの集合シミュレーションによるスタートアップ成功予測
• Authors: Zhongyang Liu, Haoyu Pei, Xiangyi Xiao, Xiaocong Du, Yihui Li, Suting Hong, Kunpeng Zhang, Haipeng Zhang,
• Abstract要約: SimVC-CASは、ベンチャーキャピタルの意思決定をマルチエージェントインタラクションプロセスとしてシミュレートする、新しい総合エージェントシステムである。 我々は,SimVC-CASが解釈可能な多パースペクティブ推論を提供しながら,予測精度を著しく向上することを示した。
• 参考スコア（独自算出の注目度）: 13.180519641845398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the high value and high failure rate of startups, predicting their success has become a critical challenge across interdisciplinary research. Existing approaches typically model success prediction from the perspective of a single decision-maker, overlooking the collective dynamics of investor groups that dominate real-world venture capital (VC) decisions. In this paper, we propose SimVC-CAS, a novel collective agent system that simulates VC decision-making as a multi-agent interaction process. By designing role-playing agents and a GNN-based supervised interaction module, we reformulate startup financing prediction as a group decision-making task, capturing both enterprise fundamentals and the behavioral dynamics of potential investor networks. Each agent embodies an investor with unique traits and preferences, enabling heterogeneous evaluation and realistic information exchange through a graph-structured co-investment network. Using real-world data from PitchBook and under strict data leakage controls, we show that SimVC-CAS significantly improves predictive accuracy while providing interpretable, multiperspective reasoning, for example, approximately 25% relative improvement with respect to average precision@10. SimVC-CAS also sheds light on other complex group decision scenarios.
• Abstract（参考訳）: スタートアップの価値が高く、失敗率が高いことから、彼らの成功を予測することは学際的な研究において重要な課題となっている。 既存のアプローチは、単一の意思決定者の観点から成功予測をモデル化し、現実世界のベンチャーキャピタル(VC)決定を支配する投資家グループの集団的ダイナミクスを見越す。 本稿では,VCの意思決定をマルチエージェントインタラクションプロセスとしてシミュレートする,新しい総合エージェントシステムSimVC-CASを提案する。 ロールプレイングエージェントとGNNベースの教師付きインタラクションモジュールを設計することにより、スタートアップ資金調達予測をグループ意思決定タスクとして再編成し、企業の基本と潜在的な投資家ネットワークの行動力学の両方を捉える。 各エージェントは、投資家に固有の特性と嗜好を具現化し、グラフ構造化共同投資ネットワークを通じて異質な評価と現実的な情報交換を可能にする。 PitchBookの実際のデータと厳密なデータ漏洩制御を用いて、SimVC-CASは予測精度を著しく向上し、例えば平均精度@10に対して約25%の相対的改善を提供する。 SimVC-CASは、他の複雑なグループ決定シナリオにも光を当てている。

関連論文リスト

• LLM-Based Multi-Agent System for Simulating and Analyzing Marketing and Consumer Behavior [1.6352616029995921]
  LLMを利用したマルチエージェント・シミュレーション・フレームワークを導入し,消費者の意思決定とソーシャル・ダイナミクスをモデル化する。 価格割引マーケティングのシナリオでは、システムは実行可能な戦略テスト結果を提供する。
  論文  参考訳（メタデータ） (2025-10-20T23:15:44Z)
• Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
  TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。 本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-06T13:08:55Z)
• ContestTrade: A Multi-Agent Trading System Based on Internal Contest Mechanism [8.46483000946212]
  大規模言語モデル(LLM)に基づくエージェントは、金融取引において大きな可能性を示す。 マーケットノイズに対する高い感度は、LLMベースのトレーディングシステムの性能を損なう。 本稿では,現代企業経営構造にインスパイアされた内部競争機構を特徴とする新しいマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2025-08-01T11:48:13Z)
• MASS: Muli-agent simulation scaling for portfolio construction [17.363056358369143]
  本稿では,マルチエージェント・スケーリング・シミュレーション(MASS)を紹介する。 MASSの中核は、不均一なエージェントの最適分布を動的に学習するために、後方最適化プロセスを採用する。 エージェントの数が指数関数的に増加するにつれて(最大512まで)、集約された決定は徐々に過剰なリターンを増大させる。
  論文  参考訳（メタデータ） (2025-05-15T13:27:18Z)
• EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery [65.30120701878582]
  大規模言語モデル(LLM)エージェントは、負債収集のような感情に敏感なドメインの悪用に対して脆弱である。 EmoDebtは、ネゴシエーションにおける感情を表現するモデルの能力を、シーケンシャルな意思決定問題として再設計する感情インテリジェンスエンジンである。 EmoDebtは重要な戦略的堅牢性を実現し、非適応性と感情に依存しないベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-03-27T01:41:34Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• Startup success prediction and VC portfolio simulation using CrunchBase data [1.7897779505837144]
  本稿では、主要な成功のマイルストーンを予測することを目的とした、シリーズBおよびシリーズCの投資ステージにおけるスタートアップに焦点を当てる。 スタートアップの成功を予測するための新しいディープラーニングモデルを導入し、資金調達指標、創業者の特徴、業界カテゴリなど、さまざまな要素を統合する。 私たちの研究は、スタートアップの成功を予測する上で、ディープラーニングモデルと代替の非構造化データによるかなりの可能性を実証しています。
  論文  参考訳（メタデータ） (2023-09-27T10:22:37Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。