論文の概要: Human Capital in Context: What Employment Survival Reveals About Worker-Firm Match
- arxiv url: http://arxiv.org/abs/2611.16058v1
- Date: Wed, 11 Nov 2026 22:13:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.281262
- Title: Human Capital in Context: What Employment Survival Reveals About Worker-Firm Match
- Title(参考訳): 職場における人的資本 : 労働者と職場のマッチングに関する雇用の生き残り
- Abstract要約: 適合性を両立させる作業確認マッチング品質の尺度を考案した。
この指標は、企業固有の人的資本のスキルウェイトモデルから機能的形態を採っている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is no best worker in general, only a best worker for a particular firm. We develop a measure of worker-firm match quality that treats fit as a property of the pair, learned from the survival of employment relationships. A two-tower neural network embeds workers, from their career histories and current positions, and firms, from their characteristics and business descriptions, into a common space, and match quality is the cosine similarity of the two vectors. The measure takes its functional form from the skill-weights model of firm-specific human capital, and its only estimated objective, a separation hazard, from the view of the job match as an experience good. Estimated on more than a billion person-periods covering 101 million workers and 8.4 million firms, a 0.1 increase in match quality lowers the odds of separation by 48%. About a quarter of the variance of match quality is specific to the worker-firm pair, which worker-, firm-, and occupation-level measures set to zero by construction. Workers earn more when better matched, especially early in a relationship, and firms whose workforces score higher grow faster, become more profitable, and are issued more, and more valuable, patents over the next five years than their industry peers. Because it scores pairs that never formed, the measure also predicts where movers go, and acquirers record a larger share of the price as goodwill when the target's workers would fit the acquirer better than they fit the target.
- Abstract(参考訳): 一般的に最高の労働者はおらず、特定の会社で最高の労働者しかいない。
我々は、雇用関係の存続から学んだ対の財産として適合する労働者確認マッチング品質の尺度を開発する。
2-towerのニューラルネットワークは、キャリア履歴と現在のポジションから労働者を、その特性とビジネス記述から共通の空間に組み込み、マッチ品質は2つのベクトルの余分な類似性である。
この尺度は、企業固有の人的資本のスキルウェイトモデルから機能的形態を採り、その唯一の評価対象である分離ハザードは、仕事のマッチを良い経験として捉えたものである。
1億100万の労働者と840万の企業を対象とする10億人以上の期間を対象とする推定では、マッチング品質の0.1増加は、分離確率を48%下方修正する。
マッチ品質のばらつきの約4分の1は、作業者確認ペアに特有であり、作業者確認ペアは、建設によってゼロに設定されている。
労働者は、特に関係の早い段階で、よりよく一致した時に、より多く稼ぐことができ、労働者のスコアが上がる企業は、より速く成長し、利益を上げ、今後5年間で業界仲間よりも、より価値の高い特許が発行される。
作られたことのないペアを得点するため、この指標は移動者がどこに行くかを予測し、取得者は目標の労働者が目標に合うよりも適しているときに、その価格のより大きなシェアを好意として記録する。
関連論文リスト
- s$^3$: Simple Scaling of Swarms via Cooperative Multi-agent RL [80.45399277685131]
エージェントが単独で作業する時間と結果を共有する時間を決定する,最初のマルチエージェント強化学習手法であるs$3$を紹介した。
エージェントがプライベート情報を組み合わせなければならないコーディネーションと、共有発見が検索をより効率的にする並列探索の両方について検討する。
一致したトレーニングと推論の予算で、Swarmsは最強のベースラインよりも25$times$以上の調整問題を解くのに2倍のエージェントで評価される。
論文 参考訳(メタデータ) (2026-11-05T19:07:15Z) - Managing the Human Fallback: Skill Investment Under Improving AI and Worker Mobility [0.0]
企業が自律的なAIをデプロイするときは、システムに残すべき作業量と、労働者のエンゲージメントを維持するための作業量を決定する必要がある。
我々は、AIが機能する時に作業者より優れるが、正の確率で失敗する2周期モデルを開発した。
企業は、労働者のエンゲージメントを選択し、エンゲージメントは、ベンチマーク以下の労働者の現在のアウトプットを低くするが、学習と浸食によって将来のスキルを変える。
論文 参考訳(メタデータ) (2026-06-27T23:34:23Z) - Representational Similarity and Model Behavior in Multi-Agent Interaction [86.305731341492]
マルチエージェントシステム設計において,表現的類似性は重要な考慮事項であることを示す。
より類似した表現空間を持つペアは、はるかに高い協調を実現するが、新規性や創造性は低下する。
このことは、これらのパターンの根底にある中心的な要素が、2つのモデルが語彙と意味的な接点を共有する範囲である可能性を示唆している。
論文 参考訳(メタデータ) (2026-06-05T19:59:17Z) - CollabSkill: Evaluating Human-Agent Collaboration On Real-World Tasks [55.84031315625504]
CollabSkillは、現実世界の作業タスクにおける人間とエージェントのコラボレーションを評価するためのフレームワークである。
実際の人間の労働者とAIエージェントを、仕事の背景にマッチしたタスクでペアリングする。
分析の結果,実践的な経験がコラボレーションスキルの原動力として現れることが明らかとなった。
論文 参考訳(メタデータ) (2026-04-20T03:03:25Z) - How Well Does Agent Development Reflect Real-World Work? [89.17217057358285]
本研究では,ベンチマークインスタンスを作業領域やスキルにマッピングすることで,エージェント開発活動と実世界の人間作業の分布との関係について検討する。
プログラム中心のエージェント開発と、人間の労働力と経済価値が集中するカテゴリの間には、かなりのミスマッチがあることを明らかにする。
論文 参考訳(メタデータ) (2026-03-01T17:55:49Z) - Strategic Tradeoffs Between Humans and AI in Multi-Agent Bargaining [6.455342700410145]
我々は,人間,大言語モデル,ベイズエージェントの動的交渉条件における結果と行動力学を比較した。
パフォーマンスの同等性は、プロセスとアライメントの根本的な違いを隠蔽する可能性がある。
この研究は、より応用され、変数リッチな環境における将来の研究のベースラインを提供する。
論文 参考訳(メタデータ) (2025-09-11T00:25:07Z) - Ranking a Set of Objects using Heterogeneous Workers: QUITE an Easy
Problem [54.90613714264689]
我々は、不平等労働者の群れによって提供されるノイズの多いペア比較の集合から始まる、$N$オブジェクトのランク付けの問題に焦点をあてる。
本研究では,作業者の信頼性とオブジェクトの品質を共同で推定する非適応的ランキングアルゴリズムQUITEを提案する。
論文 参考訳(メタデータ) (2023-10-03T12:42:13Z) - Kill Chaos with Kindness: Agreeableness Improves Team Performance Under
Uncertainty [0.0]
Agreeablenessは、チームパフォーマンスと重要でない、非常に可変的な関係を示している。
エージェントベースモデル(ABM)は、チームワークに対する性格特性の影響を予測するために使用される。
遺伝的アルゴリズムを用いてABMの限界を探索し、どの特性が最高のチームと最悪のチームと相関しているかを発見する。
論文 参考訳(メタデータ) (2022-08-09T16:04:32Z) - Cooperative-Competitive Reinforcement Learning with History-Dependent
Rewards [12.41853254173419]
エージェントの意思決定問題は,対話的部分観測可能なマルコフ決定プロセス(I-POMDP)としてモデル化可能であることを示す。
本稿では,対話型アドバンテージアクター批判手法(IA2C$+$)を提案する。
実験の結果、IA2C$+$は他のいくつかのベースラインよりも早く、より堅牢に最適なポリシーを学ぶことが示されている。
論文 参考訳(メタデータ) (2020-10-15T21:37:07Z)
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。