美国陆军征兵司令部（USAREC）的任务是招募美国志愿者，他们能够部署、战斗并取胜。有效的征兵对于保持作战准备状态和实现任务目标至关重要。然而，近年来，受疫情干扰、青年合格率和倾向性变化以及近期任务短缺的影响，美陆军的征兵形势发生了显著变化。这引发了对于当前陆军合同预测方法是否仍然稳健的质疑。本文建立在时任少校约书亚·麦克唐纳于2015年开发的空军理工学院论文模型的基础上，利用更新后的数据（2018–2023年）对该模型进行复制和评估，以衡量其当前有效性。鉴于观察到的性能差距——特别是针对高资质高年级学生——本研究还测试了更直接的多元线性回归（MLR）配置，以帮助提高现有模型的可解释性，同时不降低其性能。还开发了循环神经网络（RNN）以确定是否需要更先进的模型方法来处理不断变化的市场条件和时间依赖模式。虽然2015年模型仍然是一个有价值的基线，但结果表明，在日益复杂的征兵环境中，无论是优化其变量还是采用替代方法，都可以提高预测准确性和可解释性。最终，美国陆军征兵司令部在如何审视其陆军征兵任务方面拥有众多选择，任何关于这一努力的见解都可在其追求军事优势的过程中证明是有价值的。关键词：稳健性评估；多元线性回归；循环神经网络；预测；陆军征兵