【C0169】LLM 专业暴露率

基于《大语言模型冲击与高等教育远期暴露率：测度方法、就业效应与满意度分析》的测度思路，本项目构建了一套 Python 版 LLM 专业暴露率计算流程。代码从职业任务出发，先对不同任务进行 LLM 暴露评分，再根据任务重要性汇总为职业层暴露率，最后结合专业毕业生可能进入不同职业的概率，计算专业层 LLM 暴露率。该流程可用于分析不同高校专业在生成式人工智能冲击下的潜在就业风险与结构变化。

专业层暴露率结果显示，不同专业面临的 LLM 暴露程度存在明显差异。样例数据中，经济学、统计学和汉语言文学的暴露率较高，主要因为其对应职业中包含较多数据分析、财务分析、文案策划等文本处理和分析类任务；护理学暴露率较低，主要因为其核心职业任务更多依赖线下护理操作、现场判断和人际照护。