arXiv cs.CY· Li Gan·· 9 天前AI 评分24
研究提出职业"执行与评估"新度量：执行密集型白领岗位就业增长持续走低
Execution and Evaluation: A New Occupational Measure and Long-Run Employment Gradients
AI 导读
一项研究对 O*NET 全部 19,265 条任务陈述按固定评分标准打分，构建职业层面的"执行"与 AI 能力占比指标，该执行占比在不同模型编码器和 O*NET 版本间可复现，且区别于 AI 能力和常规任务强度。
正文 · AI 翻译
摘要：人工智能更易于自动化执行而非评估：生成输出成本低廉，判断其是否正确则不然。暴露度指标按人工智能能否完成任务对任务进行排序，而非按人类提供何种功能来排序。我依据固定评分标准对全部 $19{,}265$ 条 O*NET 任务陈述进行评分，以构建职业层面的执行份额与人工智能能力份额。执行份额在模型编码者与不同 O*NET 版本间可复现，且与人工智能能力和常规任务强度不同；它是一种基于模型的度量，而非经人类验证的基准真值，在 O*NET 的评估活动之外仅增加有限的解释力。在一个统一口径的面板中，自 2012 年以来每个时间窗口内，执行密集型白领职业的就业增长都更低，且斜率相等无法被拒绝：这一梯度是一种长期趋势，而非人工智能时代的事件，且主要存在于职业大类之间。按版本校准的能力梯度在 2022 年后变陡，这一变化可被确定时间，但无法归因于因果。这些证据确立了一种度量与一条时间线，而非人工智能导致的效应。
| 主题： | 一般经济学（econ.GN）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2607.20807 [econ.GN] |
| （或 arXiv:2607.20807v1 [econ.GN] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.20807 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Li Gan [查看电子邮件]
[v1]
2026年7月23日星期四 00:29:17 UTC（771 KB）
来源：arXiv cs.CY · arxiv.org