学习工人能力的雇主在确定工人如何对工作中并得到补偿时发挥着关键作用。本研究探讨了学习是否对称或不对称，即，潜在雇主是否具有与现任公司的工人能力相同的信息。我开发了一种非对称学习模型，嵌套对称学习案例并允许不对称程度变化，从而产生对不对称学习的普遍性的可测试意义。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，我测试模型并找到强烈支持非对称信息。我首先利用了工人群体在能力方面不同的事实 - 基于进入公司的经济条件 - 表明现任工资追踪能力分布的差异比外部工资更紧密地遵守。其次，我表明关于能力的学习更对职业更为对称，需要在公司外部的更多沟通。最后，我展示了如何在我的模型中揭开感兴趣的关键参数，表示信息不对称的程度。我的估计意味着，在一个时期，外部公司通过现任公司所做的约三分之一，在一个时期内，在工人能力降低了对工人能力的平均预期误差。因此，由于不对称信息，外部公司保留了相当大的期望误差。