7月3日，珞珈經(jīng)濟(jì)論壇第94期在學(xué)院舉行。莫斯科高等經(jīng)濟(jì)學(xué)院長(zhǎng)聘副教授、勞動(dòng)經(jīng)濟(jì)學(xué)家Fabia?n Slonimczyk應(yīng)邀作題為“Letters of Reference and Job Market Outcomes Using LLMs”（利用大語(yǔ)言模型預(yù)測(cè)推薦信對(duì)求職結(jié)果的影響）的學(xué)術(shù)講座。學(xué)院傅十和、熊瑞馳等老師及多位研究生參會(huì)交流。
Fabia?n老師圍繞如何借助大型語(yǔ)言模型（LLMs）提取推薦信中的情感特征展開(kāi)分享。他提出一種使用預(yù)訓(xùn)練大語(yǔ)言模型進(jìn)行文本情感分析的新方法，稱(chēng)為“基于提示的情感提取”。該方法無(wú)需精細(xì)預(yù)處理或大量人工標(biāo)注數(shù)據(jù)，通過(guò)設(shè)計(jì)自然語(yǔ)言提示（prompt），即可從推薦信文本中準(zhǔn)確提取出推薦人對(duì)候選人的情感評(píng)價(jià)，并將其量化為具有概率解釋的指標(biāo)。該方法在多個(gè)維度上相較于傳統(tǒng)“詞典法”（如Harvard G.I.、Loughran-McDonald）與監(jiān)督學(xué)習(xí)模型（如FinBERT、Flair）展現(xiàn)出更強(qiáng)的上下文感知能力與預(yù)測(cè)性能，為文本情感分析提供更為靈活、高效的路徑。
講座重點(diǎn)介紹Fabia?n老師基于八輪學(xué)術(shù)求職季（2013、2015-2021年）所收集的1968封保密推薦信與645位經(jīng)濟(jì)學(xué)博士候選人的獨(dú)特?cái)?shù)據(jù)集。結(jié)合候選人背景信息與最終就業(yè)結(jié)果，該研究系統(tǒng)評(píng)估推薦信的情感傾向?qū)η舐毐憩F(xiàn)的預(yù)測(cè)作用。該研究還系統(tǒng)比較多種模型在情感提取任務(wù)中的表現(xiàn)，包括LLaMA 3.1（生成型模型）：表現(xiàn)最佳；ModernBERT（編碼器型）：存在上下文截?cái)鄦?wèn)題，效果稍顯遜色；LLaMA Instruct 和 Deepseek3（指令型模型）：用于對(duì)比，但輸出解釋性略差。
講座展現(xiàn)了如何將自然語(yǔ)言處理中的前沿工具用于嚴(yán)謹(jǐn)?shù)膶?shí)證經(jīng)濟(jì)學(xué)研究，拓展了推薦信作為“軟信息”在學(xué)術(shù)市場(chǎng)中的研究邊界。其研究對(duì)高校和研究機(jī)構(gòu)在識(shí)別優(yōu)秀人才、優(yōu)化招聘機(jī)制等方面具有現(xiàn)實(shí)啟示意義。Fabia?n老師與現(xiàn)場(chǎng)師生互動(dòng)交流，學(xué)術(shù)氛圍濃厚。
Fabian Slonimczyk，莫斯科高等經(jīng)濟(jì)學(xué)院長(zhǎng)聘副教授，2009年獲美國(guó)馬薩諸塞大學(xué)阿默斯特分校經(jīng)濟(jì)學(xué)博士學(xué)位，并擁有波士頓大學(xué)軟件開(kāi)發(fā)（數(shù)據(jù)科學(xué)）碩士學(xué)位。研究領(lǐng)域主要為勞動(dòng)經(jīng)濟(jì)學(xué)、發(fā)展經(jīng)濟(jì)學(xué)和應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)。研究論文發(fā)表在European Economic Review、Labour Economics、Journal of Economic Behavior & Organization、Journal of Economic Inequality、Economics of Transition、Research in Labor Economics等國(guó)際期刊。
（通訊員：張文哲；審核：黃敏學(xué)）
