LinkedIn AI 搜索改造案例：数十亿帖子经召回+两级排序筛出最终结果
_jaydeepkarale · x · 2026-11-06
博主 jaydeepkarale 以 LinkedIn 官方工程资料为蓝本，完整拆解其内容搜索的语义化改造：
- 问题：关键词精确匹配导致查无结果或答非所问，索引中明明有能回答的帖子。
- 召回层：Token 召回从数十亿帖子中筛出数千候选；Embedding 召回用双塔架构（text embedding 模型+MLP）编码 query 与帖子，cosine 相似度排序，帖子向量离线批处理预计算。
- 排序层：L1/L2 两个同构不同规模的 ranker，分别预测 on-topicness 和 long-dwell 分数，多目标合并器综合出最终排序。
- 质量指标：只用相关率与停留时长，点赞评论因可被刷量而不用。
所属事件:LinkedIn 搜索语义化改造拆解：双塔召回+两级排序(6 条相关)→
「Infra」频道最新
- Polymarket 民调:56% 选民称 AI 与数据中心影响中期选举投票 — KyeGomezB · 2026-11-06
- 注意力内核遇上真实模型：可解释性与系统研究的交集 — QuentinAnthon15 · 2026-11-06
- MoE 预训练 All-to-All 通信占训练步 60%,新方法削减 58% 分发行 — QuentinAnthon15 · 2026-11-06
- 得州数据中心法案真相:已获批项目照建,新项目只需更严消费者保护 — VraserX · 2026-11-06
- 为承载上千 AI agent,GitHub 重构 Git 存储架构 — arpit_bhayani · 2026-11-06
- OpenAI 自研 Pando 应对 Codex 并发：Git 推送延迟降 5 倍日传 1PB — sven_ai · 2026-11-06