摘要
本文提出一种新颖的推理方法，以提升大语言模型（LLM）在未来职业预测中的表现。该方法首先利用用户的教育和职业历史生成“理由”，总结其偏好，并作为输入指导职业预测器推荐下一职业。针对 LLM 未对齐职业路径的问题，作者利用
AI 推荐理由
论文核心提出基于推理的两步预测方法，通过生成理由增强 LLM 在职业推荐中的推理能力。
研究机构
新加坡管理大学
哥伦比亚大学
论文信息