DealsFlow 是在英国一家早期基金部署的人机协同系统。大型语言模型（LLM）读取创业公司 Pitch Deck，自动引用证据并为每个评估维度打分，随后由后端代码合并评分、设定上限并只允许降低分数。
实现上采用三项机制：
- 阶段感知的事实类上限（78、70 或 60 分）用于缺乏外部证据的维度；
- 怀疑者调用（sceptic call）只能降低而不能提升分数；
- 预取模式（pre-fetch）在一次生成前检索并索引全部证据。
在 $N=243$ 笔 SEIS/EIS 投资中，因结果尚未揭晓，仅使用至少三年历史的 142 笔进行评估。完整流水线的得分与总价值倍数的 Spearman $\rho=0.45$（95% CI 0.32–0.57），写入损失（write‑off）识别的 AUC 为 0.71；对比未受约束的 LLM，$\rho=0.38$、AUC=0.68。提升幅度有限，主要来源于怀疑者调用的降分效果，尚未验证其仅降分规则的实际影响。
后续收益超过 $2\times$ 的投资中，事实类维度的证据 corroboration 达到 64%，而写入损失仅为 38%（五组结果的 Kruskal‑Wallis 检验 $p=0.031$）。由于检索不受时间限制，这些数字可能高估了筛选能力。
在对 20 份入站申请的内部实验中，分析师每份申请的处理时间从 44.7 分钟降至 18.9 分钟（含核实与纠错），240 条引用中有 84% 完全得到来源支持，但仍有 70% 的报告至少需要一次修正。
点评