2026年1月5日，中央财经大学经济学院在学院南路校区主教学楼201教室举办“中青年学者讲座”。本次讲座特邀中国科学院数学与系统科学研究院预测科学研究中心助理研究员奚晋作学术报告，分享题为“LLM Survey Framework: Coverage, Reasoning, Dynamics, Identification”的研究成果。讲座由中央财经大学经济学院黄乃静教授主持，经济学院众多师生共同参与。报告内容紧密围绕人工智能在经济学研究中的前沿应用展开，现场学术氛围浓厚，互动交流环节气氛活跃，充分展现了中央财经大学师生对经济学前沿研究与现实问题的高度关注和浓厚兴趣。

奚晋老师主讲“中青年学者讲座”

在报告中，奚晋老师首先回顾了经济学研究中调查数据的基础性作用，同时指出传统人工调查在时间覆盖、成本控制以及识别策略等方面面临的现实约束。在此基础上，她系统介绍了其最新研究提出的基于大语言模型（LLM）的调查框架，阐释了该方法在“可追溯历史调查”“内在一致性”“动态跟踪”以及“清洁识别”等方面相较于传统调查的显著优势。

随后，她结合主讲论文的研究设计，重点说明了如何通过“时间限制提示”有效缓解LLM的事后偏差问题，使模型在回答历史时期问题时仅依赖当时可获得的信息，从而实现跨越数十年的回溯式调查。报告进一步展示了在通胀预期研究中的应用结果：该框架不仅能够在极低成本下复现经典人工调查实验的主要结论，还能系统刻画预期对信息冲击的动态调整路径，并通过模型生成的文字推理，识别均值回归、个体注意力等关键经济机制。

在理论与实证层面，她强调，该研究为理解不同宏观环境下经济主体预期形成提供了新的工具，也为宏观政策评估和行为宏观经济学研究拓展了方法边界。她指出，LLM调查并非替代人工调查，而是作为一种重要补充，为以往难以实现的研究设计提供了可行路径。

奚晋老师同与会师生互动交流

在交流讨论环节，与会师生围绕模型可信度、与真实个体行为的可比性、推理文本的经济学解释以及该方法在其他情境和研究领域中的潜在应用等问题踊跃提问。奚晋老师结合自身研究经验，详细回应了关于识别策略、稳健性检验以及未来拓展方向的相关疑问，并就如何将人工调查与智能模型调查相结合展开了深入探讨。

本次讲座内容前沿、方法新颖，不仅加深了师生对LLM在经济学研究中应用前景的理解，也为学院在宏观经济研究及方法论创新等方向的研究提供了有益启发。与会师生纷纷表示，本次报告拓宽了研究视野，对今后开展相关理论与实证研究具有重要参考价值。

撰稿人：朱世杰

审稿人：郭冬梅、黄乃静