在自然语言搜索趋势的推动下，LinkedIn 宣布其全新的人工智能求职搜索功能现已向所有用户开放。这项创新功能利用在LinkedIn 专业社交媒体平台知识库上训练的精炼、微调模型，旨在让求职者能够使用更自然、口语化的语言描述求职意向，从而获得更精准、更符合其需求的职位推荐。
LinkedIn 产品开发副总裁 Erran Berger 在接受 VentureBeat 采访时表示:“这种新的搜索体验让会员可以用自己的语言描述目标，并获得真正反映他们需求的结果。这是让求职过程更加直观、包容、赋能每个人的更广阔旅程的第一步。”
LinkedIn 此前的一项调查发现，用户在平台搜索职位时普遍存在过度依赖精准关键词查询的问题。这导致了搜索结果往往不够理想，例如搜索“记者”会同时出现媒体记者和法庭记者等完全不同技能需求的职位。LinkedIn 工程副总裁张文静强调，此次改进正是为了更好地理解用户需求，彻底改变人们寻找最适合工作的方式。
“过去，我们使用关键词时，基本上是查看关键词，然后尝试找到完全匹配的答案。有时职位描述中可能会写着‘记者’，但候选人实际上并不是记者;我们仍然会检索这些信息，这对候选人来说并不理想，”张文静解释道。
现在，LinkedIn 改进了对用户查询的理解能力，允许用户使用更丰富的关键词进行搜索。例如，用户不再需要仅仅搜索“软件工程师”，而是可以输入“查找硅谷最近发布的软件工程职位”，系统将更准确地理解并匹配相关内容。
为了实现这一目标，LinkedIn 首先彻底改革了其搜索功能的理解能力。张文静表示，整个过程分为三个阶段:首先是理解用户查询，其次是从庞大的职位库中检索正确的信息，最后是精确排名，将最相关的职位呈现在最前端。
LinkedIn 此前依赖于固定的、基于分类法的方法、排名模型以及一些“缺乏深度语义理解能力”的旧有 LLM。如今，该公司已转向更现代、经过精细微调的大型语言模型 （LLM），以增强其平台的自然语言处理 (NLP) 能力。
考虑到 LLM 的高计算成本，LinkedIn 采取了数据蒸馏方法来降低成本。他们将 LLM 应用分为两个步骤:一个用于数据和信息检索，另一个用于对结果进行排序。通过使用教师模型对查询和职位进行排序，LinkedIn 成功地协调了检索模型和排序模型，并将其求职系统所使用的阶段从之前的九个减少到更精简的流程。
此外，LinkedIn 还开发了一个查询引擎，可以为用户生成定制的职位建议。
LinkedIn 并非唯一一家看到基于 LLM 的企业搜索潜力的公司。谷歌此前曾预测，得益于先进模型，2025年将是企业搜索变得更加强大的一年。Cohere 的 Rerank3.5等模型有助于打破企业内部的语言孤岛。OpenAI、谷歌和 Anthropic 的各种“深度研究”产品也表明，各组织对访问和分析内部数据源的代理需求日益增长。
在过去一年中，LinkedIn 已陆续推出了多项基于人工智能的功能。今年10月，该公司曾推出一款 AI 助手，旨在帮助招聘人员更有效地找到最佳候选人，进一步提升其在职业社交领域的领导地位。