El arribada de la búsqueda del jerigonza natural ha alentado a las personas a cambiar la forma en que buscan información, y LinkedInque ha estado trabajando con numerosos modelos de IA durante el año pasado, demora que este cambio se extienda a la búsqueda de empleo.

La búsqueda de empleos con IA de AI de LinkedIn, ahora adecuado para todos los usuarios de LinkedIn, utiliza modelos destilados y ajustados capacitados en la cojín de conocimiento de la plataforma de redes sociales profesionales para disminuir las oportunidades de trabajo potenciales basadas en el jerigonza natural.

“Esta nueva experiencia de búsqueda permite a los miembros describir sus objetivos en sus propias palabras y obtener resultados que positivamente reflejan lo que están buscando”, dijo Eran Berger, vicepresidente de mejora de productos de LinkedIn, dijo a VentureBeat en un correo electrónico. “Este es el primer paso en un alucinación más vasto para hacer que la búsqueda de empleo sea más intuitiva, inclusiva y empoderadora para todos”.

LinkedIn se declaró anteriormente en blog correo Que un problema importante enfrentaron los usuarios al apañarse empleos en la plataforma fue una dependencia excesiva en consultas precisas de palabras esencia. A menudo, los usuarios escribían un título de trabajo más genérico y obtenían puestos que no coinciden exactamente. Desde la experiencia personal, si escribo “reportero” en LinkedIn, obtengo resultados de búsqueda para trabajos de reporteros en publicaciones de medios, unido con las aperturas de reporteros de la corte, que son un conjunto de habilidades totalmente diferente.

El vicepresidente de la ingeniería de LinkedIn, Wenjing Zhang, dijo a VentureBeat en una entrevista separada que vieron la aprieto de mejorar cómo las personas podían encontrar trabajos que se ajustaran perfectamente, y que comenzaron con una mejor comprensión de lo que están buscando.

“Entonces, en el pasado, cuando estamos usando palabras esencia, esencialmente estamos mirando una palabra esencia e intentando encontrar la coincidencia exacta. Y a veces en la descripción del trabajo, la descripción del trabajo puede proponer reportero, pero en verdad no son reporteros; todavía recuperamos esa información, lo cual no es ideal para el candidato”, dijo Zhang.

LinkedIn ha mejorado su comprensión de las consultas de los usuarios y ahora permite a las personas usar más que solo palabras esencia. En sitio de apañarse “ingeniero de software”, pueden preguntar: “Encuentre trabajos de ingeniería de software en Silicon Valley que se publicaron recientemente”.

Como lo construyeron

Una de las primeras cosas que LinkedIn tuvo que hacer era revisar la capacidad de su función de búsqueda para comprender.

“La primera etapa es que cuando está escribiendo una consulta, necesitamos poder comprender la consulta, luego el posterior paso es que necesita recuperar el tipo de información correcto de nuestra biblioteca de trabajo. Y luego el postrer paso es ahora que tiene un par de cientos de candidatos finales, cómo se hace el ranking para que el trabajo más relevante aparezca en la cima”, dijo Zhang.

LinkedIn se basó en métodos fijos basados ​​en taxonomía, modelos de clasificación y LLM más antiguos, que dijeron que “carecía de la capacidad de una profunda comprensión semántica”. Luego, la compañía recurrió a modelos de jerigonza grandes (LLM) más modernos, ya ajustados para ayudar a mejorar las capacidades de procesamiento del jerigonza natural de su plataforma (PNL).

Pero los LLM igualmente vienen con costoses costos de cuenta. Por lo tanto, LinkedIn recurrió a los métodos de destilación para disminuir el costo de usar GPU costosas. Dividen el LLM en dos pasos: uno para trabajar en datos y recuperación de información y el otro para clasificar los resultados. Utilizando un maniquí de perito para clasificar la consulta y el trabajo, LinkedIn dijo que podía alinear tanto los modelos de recuperación como de clasificación.

El método igualmente permitió a los ingenieros de LinkedIn disminuir las etapas que utilizó el sistema de búsqueda de empleo. En un momento, “hubo nueve etapas diferentes que constituyeron la tubería para apañarse y hacer coincidir un trabajo”, que a menudo se duplicaban.

“Para hacer esto, utilizamos una técnica popular de optimización de objetivos múltiples. Para asegurar que la recuperación y la clasificación estén alineadas, es importante que la recuperación clasifique los documentos que usan el mismo moo que la etapa de clasificación usa. El objetivo es amparar la recuperación simple, pero sin introducir una carga innecesaria en la productividad del desarrollador de AI”, dijo Linkedin.

LinkedIn igualmente desarrolló un motor de consulta que genera sugerencias personalizadas para los usuarios.

Una búsqueda más basada en la IA

LinkedIn no está solo al ver el potencial de búsqueda empresarial basada en LLM. Google afirma que 2025 será el año Cuando la búsqueda empresarial se vuelve más poderosa, gracias a los modelos avanzados.

Modelos como SumarseS Rerank 3.5 ayuda a romper los silos del jerigonza interiormente de las empresas. Los diversos productos de “investigación profunda” de Opadai, Google y Antrópico Indique una creciente demanda organizacional de agentes que acceden y analizan las fuentes de datos internos.

LinkedIn ha estado implementando varias características basadas en IA en el postrer año. En octubre, lanzó un asistente de IA para ayudar a los reclutadores a encontrar los mejores candidatos.

El director de IA de LinkedIn, Deepak Agarwal, discutirá las iniciativas de IA de la compañía, incluida la forma en que escaló a su asistente de contratación de prototipo a produccióndurante Transformación de VB en San Francisco este mes. Regístrese ahora para asistir.