研究：技能增强对职业路径预测提升有限

一项发表于 arXiv 计算语言学分类的研究评估了把技能表示引入职业路径预测模型的多种做法，包括分数融合与神经网络架构，并在预测技能和 ESCO 真实标注两种条件下、两个基准数据集上测试。作者 Ege Süalp 等人报告，这些方法均未显著超过强文本基线；即使用真实技能标注，提升也有限且不稳定。 研究把原因归结为三点：文本与技能表示高度冗余、ESCO 分类体系判别力有限、技能嵌入存在表征坍缩。这一结论针对的是上述测试条件与数据集，作者并未主张技能信息在所有职业预测任务中无用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。