LinkedIn 搜索重构内幕：双塔向量检索替代关键词匹配
_jaydeepkarale · x · 2026-09-16
工程师 jaydeepkarale 长线程拆解 LinkedIn 如何用 AI 重构内容搜索：
问题：旧的关键词搜索要么因查询词没有全部命中而返回空结果，要么命中全部关键词却答非所问——索引里其实存在语义正确但缺关键词的帖子。
新架构（两层）：
- 检索层：Token 检索器（TBR）+ 嵌入检索器（EBR）。EBR 用双塔（2-tower）架构把查询和帖子分别编码为向量，按余弦相似度排序；帖子向量由离线批处理预先算好存储。
- 多阶段排序层：质量用两个指标——on-topic rate（与查询相关度）和 long-dwell（阅读停留时长）；刻意不用点赞评论等互动指标，因为容易被刷。
是一份可借鉴的工业级语义检索落地案例。
「研究」频道最新
- 开放任务 RL 像「入轨即自由落体」:只看每 GPU 时间的进步量 — tensorqt · 2026-09-17
- 本地跑什么基准才有用？Reddit 讨论自建推理评测体系 — JustTooKrul · 2026-09-17
- MAST 多语言智能体搜索基准延长提交至 9 月 20 日 — beirmug · 2026-09-17
- RLVR 真正值钱的是学会单次前向传播做不到的解法类别 — 1a3orn · 2026-09-17
- 三年前 GPT-4 在 Isaac Gym 里教会机械手转笔，Eureka 被称超时代 — JasonMa2020 · 2026-09-17
- RL 搜索新解:agent 花三到五成 token 在搜索,专用模型快 20 倍便宜百倍 — AI Engineer · 2026-09-17