論文の概要: The (Short-Term) Effects of Large Language Models on Unemployment and Earnings

• arxiv url: http://arxiv.org/abs/2509.15510v1
• Date: Fri, 19 Sep 2025 01:20:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:10.951869
• Title: The (Short-Term) Effects of Large Language Models on Unemployment and Earnings
• Title（参考訳）: 大規模言語モデルが失業と聞き取りに及ぼす影響(短期)
• Authors: Danqing Chen, Carina Kane, Austin Kozlowski, Nadav Kunievsky, James A. Evans,
• Abstract要約: 2022年末にChatGPTがリリースされて以降、大規模な言語モデルが急速に普及し、生産性が大幅に向上しただけでなく、雇用の移転も懸念されている。 本稿では,LLM導入による短期労働市場効果を,これらの技術への露出レベルが異なる職業間の利益と失業率を比較して検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models have spread rapidly since the release of ChatGPT in late 2022, accompanied by claims of major productivity gains but also concerns about job displacement. This paper examines the short-run labor market effects of LLM adoption by comparing earnings and unemployment across occupations with differing levels of exposure to these technologies. Using a Synthetic Difference in Differences approach, we estimate the impact of LLM exposure on earnings and unemployment. Our findings show that workers in highly exposed occupations experienced earnings increases following ChatGPT's introduction, while unemployment rates remained unchanged. These results suggest that initial labor market adjustments to LLMs operate primarily through earnings rather than worker reallocation.
• Abstract（参考訳）: 2022年末にChatGPTがリリースされて以降、大規模な言語モデルが急速に普及し、生産性が大幅に向上しただけでなく、雇用の移転も懸念されている。 本稿では,LLM導入による短期労働市場効果を,これらの技術への露出レベルが異なる職業間での利益と失業率を比較して検討する。 差分法における合成差分法を用いて, LLM曝露が損益や失業に与える影響を推定する。 調査の結果,ChatGPT導入後の失業率は変わらず,高度に露呈した職業の労働者は利益が増加した。 これらの結果から, LLMに対する初期労働市場調整は, 労働者再配置ではなく, 主に利益によって行われることが示唆された。

関連論文リスト

• Why Does the Effective Context Length of LLMs Fall Short? [68.34573617977013]
  本稿では,SifTed Rotray 位置埋め込み (STRING) について紹介する。 ストリングは、トレーニング中の元の非効率な位置を上書きするために、よく訓練された位置をシフトし、既存のトレーニング期間内でのパフォーマンスを向上させる。 実験結果から, STRINGは最新の大規模モデルの性能を劇的に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-10-24T13:51:50Z)
• Transforming Scholarly Landscapes: Influence of Large Language Models on Academic Fields beyond Computer Science [77.31665252336157]
  大規模言語モデル (LLM) は自然言語処理 (NLP) において転換期を迎えた。 本研究は,NLP以外の分野におけるLLMの影響と利用について実験的に検討する。
  論文  参考訳（メタデータ） (2024-09-29T01:32:35Z)
• From Pre-training Corpora to Large Language Models: What Factors Influence LLM Performance in Causal Discovery Tasks? [51.42906577386907]
  本研究では,因果発見タスクにおけるLarge Language Models(LLM)の性能に影響を与える要因について検討する。 因果関係の頻度が高いことは、より良いモデル性能と相関し、トレーニング中に因果関係の情報に広範囲に暴露することで、因果関係の発見能力を高めることを示唆している。
  論文  参考訳（メタデータ） (2024-07-29T01:45:05Z)
• Evaluating Interventional Reasoning Capabilities of Large Language Models [58.52919374786108]
  大規模言語モデル(LLM)は意思決定タスクを自動化するために使用される。 本稿では,LPMが介入に応じてデータ生成プロセスの知識を正確に更新できるかどうかを評価する。 さまざまな因果グラフ(例えば、コンバウンディング、仲介)と変数タイプにまたがるベンチマークを作成します。 これらのベンチマークにより、LLMが事実を記憶したり、他のショートカットを見つけたりすることで、変化を正確に予測する能力を切り離すことができます。
  論文  参考訳（メタデータ） (2024-04-08T14:15:56Z)
• The Strong Pull of Prior Knowledge in Large Language Models and Its Impact on Emotion Recognition [74.04775677110179]
  In-context Learning (ICL) は、Large Language Models (LLM) を用いた自然言語処理のための強力なパラダイムとして登場した。 LLMには、感情認識において強いが矛盾する先行性があり、その予測に影響を及ぼすことが示される。 以上の結果から,ICLをより大きなLCMで事前学習領域外の情動中心タスクに使用する場合,注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-25T19:07:32Z)
• Model Editing Harms General Abilities of Large Language Models: Regularization to the Rescue [122.20016030723043]
  大規模言語モデル(LLM)におけるモデル編集の副作用を評価する。 分析の結果,モデルの重みを過度に修正したモデル編集によって副作用が生じることが明らかとなった。 これを軽減するために、修正の重み付けを正規化するためにRECTというメソッドが提案されている。
  論文  参考訳（メタデータ） (2024-01-09T18:03:15Z)
• AI and Jobs: Has the Inflection Point Arrived? Evidence from an Online Labor Platform [0.13124513975412255]
  我々は、AIが異なるオンライン労働市場(OLM)のフリーランサーにどのように影響するかを調査する。 そこで我々はCournot型競合モデルを開発した。 合衆国のWebデベロッパは、他のリージョンに比べてChatGPTのリリースの恩恵を受ける傾向にある。
  論文  参考訳（メタデータ） (2023-12-07T10:06:34Z)
• Large Language Models at Work in China's Labor Market [3.9145097124275257]
  本稿では,中国労働市場における大規模言語モデル(LLM)の潜在的影響について考察する。 その結果,職業曝露と賃金水準と職業水準での体験料との間には正の相関があることが示唆された。 そして、産業レベルでの職業的露出を集約し、工業的露出スコアを得る。
  論文  参考訳（メタデータ） (2023-08-17T04:20:36Z)
• "Generate" the Future of Work through AI: Empirical Evidence from Online Labor Markets [4.955822723273599]
  ChatGPTのようなLLM(Large Language Model)ベースの生成AIシステムは、幅広い下流タスクにわたってゼロショット学習能力を実証している。 これらのシステムは、労働市場のダイナミクスを再構築する可能性がある。 しかし、AIが需要と供給の両方に同時に影響していることを考えると、その正確な影響を予測することは難しい。
  論文  参考訳（メタデータ） (2023-08-09T19:45:00Z)
• GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models [14.639532188126664]
  米国労働市場における大規模言語モデル(LLM)の可能性について検討する。 調査の結果、米国の労働力の約80%が、少なくとも10%の作業タスクに影響を及ぼす可能性があることがわかった。
  論文  参考訳（メタデータ） (2023-03-17T17:15:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。