Stranded credentials: how a skill-signaling market absorbed generative AI
Song Yao
econ.GN, cs.CY
2026-08-18
姚松审计44万次Kaggle参赛：奖牌预测力几乎全在第一年；上传赛库存掉了82%信息量，一半到四分之三是赛制退场后老化，不是AI把人变菜。
生成式AI几乎零成本就能写出分析、代码和论文，Spence以来的信号理论担心：当产出物不再昂贵，学历和徽章就会失去区分力。自由职业平台上的书面提案、无监考作业分数，已经出现过这种崩塌。
Kaggle是少有能从头量到尾的现场。同一批人在ChatGPT前后继续交卷，平台按隐藏测试集客观打分，而且长期并行两种赛制。上传赛只收预测文件，代码赛把程序拉到隐藏数据上执行。两边都不禁AI，差别只在没验证过的工作会不会当场翻车。
华盛顿大学奥林商学院姚松审计了Meta Kaggle公开快照（截至2026年7月29日）：44.5万次参赛、19.8万用户、214场发奖牌的上传/代码赛（截止日期2018–2025，2022年第四季度当过渡季剔除）。结果是队伍在隐藏榜上的百分位，越高越好。解释变量是赛前奖牌库存，按上传/代码和年龄段切开，取log(1+m)，比赛固定效应，标准误按用户和比赛双向聚类。
读法分两套。徽章计数只看这一枚；全档案会控制另一种赛制的奖牌和参赛次数，更接近雇主并排比较候选人。上传库存的时代变化再拆成年龄结构、斜率曲线、交互和加总残差，用来判断崩塌有多少是库存老化、多少是重新定价。
奖牌几乎全是新鲜信号。ChatGPT之前，不到一年的奖牌斜率是0.15–0.18：一枚相对零枚，大约高出10–12个百分点；一年以上只剩0.01–0.03。一年内两个年龄段单独就能解释全部年龄段within-R²的99%，AI时代仍有95%。
| 库存 | 前AI斜率 | AI时代 | 变化 |
| 上传赛奖牌 | 0.067 | 0.012 | −82% |
| 代码赛奖牌 | 0.065 | 0.087 | +0.022 |
上传库存掉了0.055，其中年龄结构占−0.028，曲线移动只占−0.015。老化份额在43%–87%之间，取决于交互和残差算谁头上。新鲜上传奖牌在全档案读法下大约掉四分之一，代码奖牌没有掉。
旧上传奖牌单独看会在AI时代显得更值钱（1–2年段斜率+0.062），加上全档案后增益消失：它在代理持有人其余履历，尤其是新鲜代码奖牌。官方终身段位丢掉奖牌信息的13%–16%。只用前AI数据拟合的新近度指数，在AI时代within-R²是0.053，官方段位是0.047。用提交次数和当日重提比例构造的「像AI那样干活」指数，在代码赛相对上传赛的回报几乎为零（+0.006，P=0.28）。失败运行率跟着比赛走，不跟着入场队列走。
这篇把「AI毁掉了凭证」收成一句更窄的话：经过隐藏答案核验的信号，不会因为AI变便宜而立刻作废，但会在一年内过期，也会在发奖赛制退场后被搁浅。招聘和平台徽章如果按终身累计展示，默认在高估旧信号。Kaggle自己的段位规则在ChatGPT之前就已经次优。
全部估计都是关联，不是因果。活到AI时代还在参赛的是少数：无奖牌者7.8%，六枚以上56.5%，选择没法消掉。窗口只有2023–2025三年。Kaggle是单一平台，而且观测不到谁真的用了AI。工作风格指数的零结果，测不到「用AI的回报」本身。