让言论廉价：生成式AI与劳动力市场的信号功能

大型语言模型（LLM）如ChatGPT显著降低了生成书面内容的成本。这篇论文研究了LLM如何通过降低写作成本，颠覆了传统上依赖写作作为质量信号（如求职信、大学作文）的市场。我们利用来自Freelancer.com的实证数据，探讨了LLM对劳动力市场信号功能的冲击如何影响均衡市场结果。我们构建了一种新型的LLM度量方法，用于量化申请文件针对给定职位招聘信息的定制化程度。将该度量引入数据后，我们发现，在LLM出现之前，雇主对具有更高定制化申请的工人的支付意愿较高，但LLM出现后并未维持。为隔离并量化LLM对信号功能冲击对均衡结果的影响，我们构建并估计了一个劳动力市场信号的结构模型，其中工人投入高成本的有噪声信号以预测其在均衡中的能力。我们使用估计的模型模拟了LLM使书面申请在信号功能上失效的反事实均衡。在没有高成本信号的情况下，雇主难以识别高能力工人，导致市场显著性不够体面：与事前LLM均衡相比，能力分布前20%的工人中雇佣率下降19%，后20%的工人中雇佣率上升14%。