斯坦福 TaskNet 用工人访谈构建职业任务图谱,覆盖 318 个任务
stanfordnlp · x · 2026-10-31
斯坦福团队(含 Erik Brynjolfsson、Diyi Yang)发布 TaskNet,一个直接基于工人自述构建的职业任务分类体系,用于追踪 AI 对工作的重塑。
- 系统先从访谈归纳任务清单,再聚合为职业级任务库,已应用于六种职业。
- 对 318 个任务,人类评估者对 AI 生成条目的偏好达 72.9%(低于专家写的 85.9%),推断出的任务重要性评分与专家标注相关度高,评分方差大幅降低。
- 相比 ONET,TaskNet 覆盖了 18 个已发布任务中的 75%,并新增 39 个 ONET 没有的任务、省略 58 个。
- 下游分析显示:被讨论最多的两个 AI 系统对任务暴露度的影响方向相反,该数据库可为劳动力政策和再培训提供更及时的依据。
「漫话AGI」频道最新
- 谷歌财报首次清晰揭示 AI 搜索的残酷经济账 — dinabass · 2026-10-31
- 斯坦福 439 人 12 个月追踪：重度 AI 陪伴用户幸福感下降 — stanfordnlp · 2026-10-31
- MIT Tech Review AI Lab：让 Codex 管梦幻足球队，先想弃用哈兰德 — willknight · 2026-10-31
- a16z 图说：GPU 租金三个月最高涨 106%，token 均价反降 58% — a16z · 2026-10-31
- StudentBench 研究：AI 家教 GRE 提分追平人类，成本仅 1/918 — gharik · 2026-10-31
- Box CEO：AI 进步曲线近乎垂直，前沿与所有人的差距还在拉大 — rohanpaul_ai · 2026-10-31