TL;DR
- چکیده: استقرار مدلهای زبان بزرگ (LLM) نگرانیها را در مورد بیکاری تکنولوژیکی برانگیخته است.
- ارزیابیهای مبتنی بر کار موجود،.
- عمدتاً «قرار گرفتن» نظری با قابلیتهای هوش مصنوعی را اندازهگیری میکنند،.
چه اتفاقی افتاد
چکیده: استقرار مدلهای زبان بزرگ (LLM) نگرانیها را در مورد بیکاری تکنولوژیکی برانگیخته است. ارزیابیهای مبتنی بر کار موجود،.
عمدتاً «قرار گرفتن» نظری با قابلیتهای هوش مصنوعی را اندازهگیری میکنند،. و اصطکاکهای حیاتی پذیرش تجاری در دنیای واقعی را نادیده میگیرند:.
مسئولیت،. انطباق و ایمنی فیزیکی.
ما استدلال میکنیم که مشاغل فوراً ریشه کن نمیشوند،. بلکه به تدریج از طریق اقدامات اتمیمورد تجاوز قرار میگیرند.
ما یک مدل دو عاملی ریسک فناوری را برای ارزیابی مجدد این موضوع معرفی میکنیم. با ساختارشکنی 923 شغل به 2087 فعالیت کاری تفصیلی (DWAs)،.
ما از یک مجموعه LLM چندعاملی برای امتیازدهی امکانسنجی فنی و ریسک تجاری استفاده میکنیم. از طریق اعتبارسنجی مبتنی بر واریانس Human-in-The-Loop (HITL) با یک پانل متخصص،.
یک شکاف شناختی عمیق را نشان میدهیم:. احتمالات الگوریتمی ایزوله نمیتوانند "حق بیمه نهادی" تحمیل شده را در بر بگیرند.
توسط کارشناسان محدود به مسئولیت حرفهای. با اعمال یک خط پایه کاملاً الگوریتمیاز طریق انباشتگی تنگنای ریاضی،.
شاخصهای اتوماسیون شغلی نسبی ($OAI$) را برای بازار کار ایالات متحده محاسبه میکنیم. یافتههای ما فرضیه سنتی تغییر فنآوری متعصبانه روتین (RBTC) را به چالش میکشد.
نقشهای شناختی غیرمعمول که به شدت به دستکاری نمادین وابسته هستند (بهعنوان مثال،. دانشمندان داده) با مواجهه بیسابقهای مواجه میشوند ($OAI \حدود 0.
70 دلار). برعکس،.
معاملات فیزیکی بدون ساختار و نقشهای مراقبتی پرمخاطره،. انعطافپذیری مطلق را نشان میدهند و یک "عدم تقارن ریسک شناختی" را کمیت میکنند.
فرضیه ما ضرورت اضطراری "حق انطباق" است،. که نشان میدهد انعطاف پذیری دستمزد بهطور فزایندهای به ظرفیت جذب ریسک گره خورده است.
ما این یافتهها را بهعنوان یک تشخیص مقطعی آسیبپذیری سیستمیک تشکیل میدهیم و پایهای را برای عمومیمحاسبهپذیر. بعدی ایجاد میکنیم.
مدلسازی اقتصادسنجی تعادلی (CGE) شامل کشش پویا دستمزد و تخصیص مجدد ساختاری نیروی کار. صفحه، 4 شکل کامپیوتر و جامعه (cs.
CY)؛ اقتصاد عمومی (econ. GN) استناد بهعنوان: (یا v1 [cs.
CY] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Shuyao Gao [مشاهده ایمیل] [v1] دوشنبه،. 6 آوریل 2026،.
06:. 21:.
08 UTC (118 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.