CAREER: A Foundation Model for Labor Sequence Data
CAREER：劳动就业序列数据的基础模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要虽使用劳动纵向数据，但核心为序列模型预训练与预测，未明确研究面板计量或其他给定细分，故保留空分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
CAREER：劳动就业序列数据的基础模型
- 研究问题
- 如何利用大规模在线简历中的职业轨迹改善小型纵向调查数据的就业序列预测，并进一步提升工资等下游变量预测？
- 方法与思路
- 作者先在两千四百万条简历工作序列上训练 CAREER，再在较小且整理更充分的纵向调查数据上微调，并比较预测表现。
- 材料陈述的贡献
- 摘要称，CAREER 在三个常用经济学数据集上的工作序列预测优于计量基准，将其纳入工资模型也能改善工资预测。
- 阅读关注点
- 应核对简历与调查样本的代表性、训练和测试划分、迁移与微调方式，以及预测比较是否采用相同信息集和评估标准。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明评价指标或因果识别，预测改善不能直接证明因果解释有效。
原文摘要
Labor economists regularly analyze employment data by fitting predictive models to small, carefully constructed longitudinal survey datasets. Although machine learning methods offer promise for such problems, these survey datasets are too small to take advantage of them. In recent years large datasets of online resumes have also become available, providing data about the career trajectories of millions of individuals. However, standard econometric models cannot take advantage of their scale or incorporate them into the analysis of survey data. To this end we develop CAREER, a foundation model for job sequences. CAREER is first fit to large, passively-collected resume data and then fine-tuned to smaller, better-curated datasets for economic inferences. We fit CAREER to a dataset of 24 million job sequences from resumes, and adjust it on small longitudinal survey datasets. We find that CAREER forms accurate predictions of job sequences, outperforming econometric baselines on three widely-used economics datasets. We further find that CAREER can be used to form good predictions of other downstream variables. For example, incorporating CAREER into a wage model provides better predictions than the econometric models currently in use.