雇主了解员工的能力在决定员工如何分配工作和获得报酬方面起着关键作用。本研究探讨了学习是对称的还是不对称的，即潜在雇主是否拥有与现有企业相同的关于员工能力的信息。我开发了一个非对称学习模型，该模型嵌入了对称学习案例，并允许不对称程度的变化，为非对称学习的普遍性提供了可测试的暗示。然后，我展示了如何使用补偿数据测试模型中的预测。使用NLSY，我测试了模型并发现了对不对称信息的强大支持。我首先利用工人群体在能力差异上的差异这一事实——基于进入企业时的经济条件——来表明在职工资比外部企业工资更密切地跟踪能力分布的差异。其次，我的研究表明，对能力的了解对于那些需要与公司之外的人进行更多沟通的职业来说更为对称。最后，我将展示如何揭示模型中表示信息不对称程度的关键参数。我的估计表明，在一个时期内，外部公司对工人能力的平均期望误差减少了现有公司减少的大约三分之一。因此，由于信息不对称，外部公司保留了相当大的预期误差。