7月3日，珞珈经济论坛第94期在学院举行。莫斯科高等经济学院长聘副教授、劳动经济学家Fabián Slonimczyk应邀作题为“Letters of Reference and Job Market Outcomes Using LLMs”（利用大语言模型预测推荐信对求职结果的影响）的学术讲座。学院傅十和、熊瑞驰等老师及多位研究生参会交流。

Fabián老师围绕如何借助大型语言模型（LLMs）提取推荐信中的情感特征展开分享。他提出一种使用预训练大语言模型进行文本情感分析的新方法，称为“基于提示的情感提取”。该方法无需精细预处理或大量人工标注数据，通过设计自然语言提示（prompt），即可从推荐信文本中准确提取出推荐人对候选人的情感评价，并将其量化为具有概率解释的指标。该方法在多个维度上相较于传统“词典法”（如Harvard G.I.、Loughran-McDonald）与监督学习模型（如FinBERT、Flair）展现出更强的上下文感知能力与预测性能，为文本情感分析提供更为灵活、高效的路径。

讲座重点介绍Fabián老师基于八轮学术求职季（2013、2015-2021年）所收集的1968封保密推荐信与645位经济学博士候选人的独特数据集。结合候选人背景信息与最终就业结果，该研究系统评估推荐信的情感倾向对求职表现的预测作用。该研究还系统比较多种模型在情感提取任务中的表现，包括LLaMA 3.1（生成型模型）：表现最佳；ModernBERT（编码器型）：存在上下文截断问题，效果稍显逊色；LLaMA Instruct 和 Deepseek3（指令型模型）：用于对比，但输出解释性略差。

讲座展现了如何将自然语言处理中的前沿工具用于严谨的实证经济学研究，拓展了推荐信作为“软信息”在学术市场中的研究边界。其研究对高校和研究机构在识别优秀人才、优化招聘机制等方面具有现实启示意义。Fabián老师与现场师生互动交流，学术氛围浓厚。

Fabian Slonimczyk，莫斯科高等经济学院长聘副教授，2009年获美国马萨诸塞大学阿默斯特分校经济学博士学位，并拥有波士顿大学软件开发（数据科学）硕士学位。研究领域主要为劳动经济学、发展经济学和应用计量经济学。研究论文发表在European Economic Review、Labour Economics、Journal of Economic Behavior & Organization、Journal of Economic Inequality、Economics of Transition、Research in Labor Economics等国际期刊。

（通讯员：张文哲；审核：黄敏学）