본 논문은 벤처 캐피탈에서 중요한 과제인 스타트업 성공과 같은 희귀 사건 예측을 위해, 정확성과 해석력을 모두 갖춘 모델인 Random Rule Forest (RRF)를 제안한다. RRF는 대규모 언어 모델(LLM)을 사용하여 간단한 예/아니오 질문을 자연어로 생성하고, 각 질문을 약한 학습자로 사용하여 임계값 기반 투표 규칙을 통해 강력하고 해석 가능한 예측 모델을 만든다. 9,892명의 창업자 데이터셋에 적용한 결과, RRF는 무작위 기준선 대비 6.9배의 성능 향상을 달성했으며, 전문가가 만든 질문을 추가하면 8배까지 향상되어 인간-LLM 협업의 가치를 보여준다. 세 가지 LLM 아키텍처에 대한 제로샷 및 퓨샷 기준선과 비교했을 때, RRF는 F0.5 지표에서 0.121을 달성하여 최고 기준선(0.086)보다 0.035(절대값), 41%(상대값) 향상되었다. LLM의 창의성과 앙상블 학습의 엄격함을 결합하여, RRF는 고위험 분야 의사결정에 적합한 해석 가능하고 정밀도 높은 예측을 제공한다.
