Присоединяйтесь к событию, которым доверяют лидеры предприятия в течение почти двух десятилетий. VB Transform объединяет людей, строящих реальную стратегию ИИ предприятия. Узнать больше
Агенты ИИ являются одной из самых горячих тем в технологии прямо сейчас — но сколько предприятий действительно развернуто и активно их используют?
LinkedIn говорит, что он имеет со своим помощником по найму в LinkedIn. Выходя за рамки своих популярных систем рекомендаций и поиска с AI, источники агента ИИ компании и набирают кандидатов на работу через простой интерфейс естественного языка.
«Это не демонстрационный продукт», — сказал на этой неделе Дипак Агарвал, руководитель ИИ в LinkedIn, на этой неделе в VB Transform. «Это живое. Это экономит много времени для рекрутеров, чтобы они могли тратить свое время на то, что они действительно любят делать, что воспитывает кандидатов и нанимает лучших талантов для работы».
>> Смотрите все наше преобразование 2025 года здесь <<Полагаясь на многоагентную систему
LinkedIn использует многоагентный подход, используя то, что Агарвал описал как набор агентов, сотрудничающих, чтобы выполнить работу. Агент -супервайзер организует все задачи среди других агентов, включая агентов по потреблению и поискам, которые «хороши в одной и единственной одной работе».
Все общение происходит через агента супервизора, который получает вклад от людей, касающихся ролевых квалификаций и других деталей. Затем этот агент предоставляет контекст агенту по поиску источников, который отбирает кандидаты и источники поиска рекрутера, а также описания того, почему они могут подходить для работы. Эта информация затем возвращается агенту супервизора, который начинает активно взаимодействовать с человеческим пользователем.
«Тогда вы можете сотрудничать с этим, верно?» сказал Агарвал. «Вы можете изменить его. У вас больше не нужно разговаривать с платформой в ключевых словах. Вы можете поговорить с платформой на естественном языке, и она ответит вам в ответ, он будет с вами разговором».
Затем агент может усовершенствовать квалификацию и начать поиск кандидатов, работая на менеджера по найму «как синхронно, так и асинхронно». «Он знает, когда делегировать задачу тому, какой агент, как собирать обратную связь и отображать пользователю», — сказал Агарвал.
Он подчеркнул важность «первых человеческих» агентов, которые держат пользователей всегда под контролем. Цель состоит в том, чтобы «глубоко персонализировать» опыт с ИИ, который адаптируется к предпочтениям, учится на поведении и продолжает развиваться и улучшать, чем больше, чем пользователи взаимодействуют с ним.
«Речь идет о том, чтобы помочь вам выполнять свою работу более и эффективно», — сказал Агарвал.
Как LinkedIn обучает свою многоагентную систему
Многоагентная система требует нюансированного подхода к обучению. Команда LinkedIn тратит много времени на точную настройку и делает каждого погрузочного агента эффективным для ее конкретной задачи для повышения надежности, объяснил Tejas Dharamsi, старший инженер-программист LinkedIn.
«Мы настраивались на моделях с доменом, а также делаем их меньше, умнее и лучше для нашей задачи»,-сказал он.
Принимая во внимание, что агент руководителя является специальным агентом, который требует высокой интеллекта и адаптивности. Оркэгстрирующий агент LinkedIn может рассуждать, используя границу крупных языковых моделей компании (LLMS). Он также включает в себя обучение подкрепления и непрерывные отзывы пользователей.
Кроме того, агент имеет «эмпирическую память», объяснил Агарвал, поэтому он может сохранить информацию из недавнего диалога. Он также может сохранить долговременную память о предпочтениях пользователей, а также дискуссии, которые могут быть важны для того, чтобы вспомнить позже в процессе.
«Экспериментальная память, наряду с глобальным контекстом и интеллектуальной маршрутизацией, является сердцем агента супервизора, и она продолжает становиться все лучше и лучше благодаря обучению подкреплению», — сказал он.
Итерация на протяжении всего цикла разработки агента
Дхарамси подчеркнул, что с агентами ИИ задержка должна быть на точке. Перед тем, как развернуть производство, строители моделей LinkedIn должны понимать, сколько запросов в секунду (QPS) может поддерживать модели и сколько графических процессоров требуется для их питания. Чтобы определить это и другие факторы, компания делает большой вывод и делает оценки, а также Ntension Red Teaming и оценку рисков.
«Мы хотим, чтобы эти модели были быстрее, и суб-агенты выполняли свои задачи лучше, и они действительно быстро делают это»,-сказал он.
После развертывания, с точки зрения пользовательского интерфейса, Дхарамси описал платформу AI AI LinkedIn как «блоки LEGO, которые разработчик искусственного интеллекта может подключить и играть». Абстракции разработаны таким образом, чтобы пользователи могли выбирать и выбирать на основе своего продукта и того, что они хотят создать.
«Основное внимание здесь в том, как мы стандартизируем разработку агентов в LinkedIn, так что последовательно вы можете создавать их снова и снова, попробовать разные гипотезы», — объяснил он. Вместо этого инженеры могут сосредоточиться на данных, оптимизации и потерь и функции вознаграждения, а не на базовом рецепте или инфраструктуре.
LinkedIn предоставляет инженерам различные алгоритмы, основанные на RL, контролируемой тонкой настройке, обрезке, квантовании и дистилляции для использования из коробки, не беспокоясь об оптимизации графических процессоров или провале, чтобы они могли начать запускать алгоритмы и тренировки, сказал Дхарамси.
По его словам, в создании своих моделей LinkedIn фокусируется на нескольких факторах, включая надежность, доверие, конфиденциальность, персонализацию и цену. Модели должны предоставлять постоянные выходы, не сойдя сойца. Пользователи также хотят знать, что они могут полагаться на то, чтобы агенты были последовательными; что их работа безопасна; что прошлые взаимодействия используются для персонализации; И это стоимость не стремительно взлететь.
«Мы хотим обеспечить большую ценность пользователю, лучше выполнить свою работу и делать то, что приносит им счастье, например, наем», — сказал Дхарамси. «Рекрутеры хотят сосредоточиться на поиске подходящего кандидата, не тратя время на поиски».
Источник
