近期，中南财经政法大学财政税务学院吴雷教授及其合作者的研究成果“Optimizing prompt efficacy in large language models for fake news detection via evolutionary algorithm-based feature selection”在国际权威期刊Information Sciences正式发表。
主要观点：从在社会科学研究领域，对政策导向、文化价值与规章制度等抽象概念的量化测量，始终是横亘在经验研究面前的方法论困境。近年来，大型语言模型（LLM）的突破性发展为破解这一学术难题开辟了全新路径。LLM通过构建从自然语言到结构化数据的映射框架，这些前沿模型成功实现了语言意义的形式化转换，将原本漂浮于文本之中的抽象意涵转化为可计算、可比较的量化指标。本文聚焦“可解释的进化式特征选择”与“LLM指令工程”有机结合：前者提供可追踪的特征选择与稳健的训练数据清洗，后者用“特征感知”的提示结构引导LLM判别，从而在保持计算透明度的同时，提升LLM执行任务的精度。具体而言，本文聚焦提出了一个新闻文本内容分类框架：第一阶段从语言风格、文本复杂度与心理语义三个维度构建高维语义特征，并以遗传算法进行特征子集的进化式筛选，得到更紧致且信息量高的特征集合；第二阶段则将这些“经过筛选的语义指示器”注入到大语言模型的指令中，形成“特征感知”的指令结构，并通过微调训练提升LLM在分类任务上的精确性、稳定性与可解释性。本研究为跨学科方法论创新提供了兼具严谨性与实用性的实证范例，展现出在政策分析、文化研究等领域推广应用的前景。
作者简介：吴雷，中南财经政法大学财政税务学院教授，收入分配与现代财政学科创新引智基地研究员。2006年获得巴黎第一大学数理社会学本科学位。2008年获得巴黎第一大学数理经济与金融硕士学位。2009年获得巴黎第九大学（巴黎文理研究大学）组织与决策优化硕士学位。2011年获得法国亚眠大学运筹学博士学位。科研成果发表于European Journal of Operational Research、Knowledge-based System、Computers & Industrial Engineering、Applied Mathematics and Computation、Annals of Operations Research等国际知名期刊。主持国家自然科学基金委面上项目。研究领域为决策论、数据运筹学、数字财税。国际期刊Fundamental Research(国家自然科学基金委员会主办)青年编委。