LinkedIn近期為其全球用戶帶來了一項革命性的變革——一款基于人工智能的求職搜索工具。這款工具的誕生，標(biāo)志著LinkedIn在優(yōu)化用戶求職體驗上邁出了重要一步。據(jù)LinkedIn產(chǎn)品開發(fā)副總裁Erran Berger介紹，這一創(chuàng)新功能允許用戶以自然語言描述求職意向，從而收獲更加貼合個人需求的職位推薦。

在過去，LinkedIn上的職位搜索主要依賴于關(guān)鍵詞匹配，這往往導(dǎo)致求職者收到的推薦職位與他們的實際期望存在偏差。例如，搜索“記者”這一關(guān)鍵詞時，用戶可能會收到涵蓋媒體記者、法庭記者等多種不同類型的職位，而這些職位所需的專業(yè)技能大相徑庭。為了更精準(zhǔn)地滿足用戶需求，LinkedIn工程副總裁Wenjing Zhang強調(diào)，平臺必須對用戶的搜索意圖有更深層次的理解。

新推出的求職搜索功能，正是基于這一需求而設(shè)計的。用戶現(xiàn)在可以輸入如“尋找硅谷最新發(fā)布的軟件工程師職位”這樣的自然語言查詢，而不再局限于單一的職位名稱。這一變化極大地提升了LinkedIn在理解用戶具體需求方面的智能化水平。

為了實現(xiàn)這一智能化升級，LinkedIn對其搜索系統(tǒng)進(jìn)行了全面的革新。從提升系統(tǒng)對查詢內(nèi)容的理解能力，到從龐大的職位數(shù)據(jù)庫中檢索相關(guān)信息，再到對檢索結(jié)果進(jìn)行智能排序，每一個環(huán)節(jié)都經(jīng)過了精心的優(yōu)化。傳統(tǒng)的分類方法和舊有的排名模型已經(jīng)無法滿足深層次語義理解的需求，因此LinkedIn引入了先進(jìn)的大型語言模型（LLMs）來增強其自然語言處理能力。

然而，大型語言模型的應(yīng)用也伴隨著高昂的計算成本。為了在保證效果的同時降低成本，LinkedIn采用了模型提煉技術(shù)，將LLMs分解為兩個獨立的步驟：數(shù)據(jù)檢索和結(jié)果排名。這一策略不僅提高了職位與用戶查詢的匹配效率，還有效降低了運算成本。

LinkedIn還開發(fā)了一個個性化的查詢引擎，能夠根據(jù)用戶的搜索歷史和偏好生成定制化的職位推薦。這一創(chuàng)新舉措不僅提升了用戶體驗，也進(jìn)一步鞏固了LinkedIn在求職搜索領(lǐng)域的領(lǐng)先地位。值得注意的是，LinkedIn并非唯一一家在這一領(lǐng)域探索大型語言模型潛力的公司，谷歌等其他科技巨頭也在不斷探索這一領(lǐng)域的新可能。

在過去的一年里，LinkedIn已經(jīng)推出了多個基于人工智能的功能，其中包括專為招聘人員設(shè)計的AI助手。LinkedIn首席AI官Deepak Agarwal將在即將舉行的VB Transform大會上分享公司的AI戰(zhàn)略以及招聘助手的成功案例，這無疑將為行業(yè)帶來更多的啟示和思考。