近日，LinkedIn 正式向所有用户推出了一项全新的 AI 驱动求职搜索功能。这项新功能利用了经过提炼和微调的大型模型，旨在改善用户在平台上的求职体验。LinkedIn 的产品开发副总裁 Erran Berger 表示:“这一全新搜索体验让用户可以用自己的语言描述求职目标，从而获得更符合需求的结果。”
图源备注：图片由AI生成，图片授权服务商Midjourney
之前，用户在 LinkedIn 上搜索工作时常常依赖于精确的关键词查询，这导致许多求职者获得的职位推荐与他们的真实需求并不匹配。例如，用户输入 “记者” 后，可能会看到媒体记者和法庭记者等不同类型的职位推荐，这两者所需的技能完全不同。LinkedIn 工程副总裁 Wenjing Zhang 指出，为了更好地帮助用户找到适合的工作，平台需要改善对用户查询的理解。
新系统允许用户用自然语言进行搜索，例如，他们可以输入 “找硅谷最近发布的软件工程师职位”，而不仅仅是简单的职位名称。这一变化使得 LinkedIn 在理解用户需求上更加智能化。
为了实现这一目标，LinkedIn 对其搜索功能进行了全面改造。首先，他们需要提升系统对查询内容的理解能力，然后是从庞大的职位数据库中检索相关信息，最后对找到的职位进行排名，确保最相关的职位排在前面。之前，LinkedIn 使用的是固定的分类方法和较旧的排名模型，缺乏深层次的语义理解，因此他们转向了现代的大型语言模型（LLMs）来提升自然语言处理能力。
不过，使用大型模型的计算成本也很高。为了降低成本，LinkedIn 采用了模型提炼的方法，将 LLM 拆分为两个步骤:一个用于数据检索，另一个用于结果排名。通过这种方式，LinkedIn 能够更有效地匹配职位和用户的查询。
此外，LinkedIn 还开发了一个查询引擎，可以为用户生成个性化的职位推荐。随着 AI 技术的进步，LinkedIn 并不是唯一一个在求职搜索中探索 LLM 潜力的公司，谷歌等公司也在此领域持续创新。
LinkedIn 在过去一年中推出了多个基于 AI 的功能，其中包括为招聘人员提供帮助的 AI 助手。LinkedIn 首席 AI 官 Deepak Agarwal 将在即将举行的 VB Transform 大会上讨论公司的 AI 战略及其招聘助手的成功案例。
划重点:
🌟 新功能:LinkedIn 推出 AI 驱动的求职搜索，支持自然语言查询。
🔍 精准匹配:新系统通过改进的搜索理解，减少与用户需求不匹配的职位推荐。
💡 技术创新:LinkedIn 使用模型提炼方法降低计算成本，同时提升搜索效率。
