领英（LinkedIn）在其下一代推荐系统中绕过了提示工程，转而采用以小型、高度精炼的模型为中心的策略，领英产品工程副总裁 Erran Berger 表示。Berger 在 Beyond the Pilot 播客节目中解释说，提示工程（一种涉及制作特定文本输入以指导 AI 模型的技术）被认为不适合实现所需的准确性、延迟和效率水平。

相反，领英的 AI 团队制定了一份详细的产品策略文档，以微调一个拥有 70 亿参数的模型，随后将其提炼成具有数亿参数的较小的教师和学生模型。这种多教师蒸馏方法被证明是一项突破，创建了一个可重复的过程，现在已在领英的 AI 产品套件中使用。

该公司放弃提示的做法突显了 AI 开发领域日益增长的趋势：追求针对特定任务量身定制的专业、高效的模型。虽然大型语言模型 (LLM) 因其多功能性而备受瞩目，但领英的经验表明，较小的、经过微调的模型可以在某些应用中提供卓越的性能，尤其是在速度和精度至关重要的情况下。

Berger 强调了这种方法带来的显著质量改进。他表示：“全面采用这种评估流程将带来我们可能多年未见的显著质量改进。”

领英开发 AI 推荐系统已有 15 年以上的历史，并已成为该领域的领导者。该公司的推荐系统在将求职者与相关机会联系起来以及帮助专业人士建立人脉方面发挥着至关重要的作用。这种新方法旨在进一步增强平台提供个性化和有效推荐的能力。

这些更小、更高效模型的开发对 AI 格局具有更广泛的影响。它表明，AI 的未来可能涉及大型通用模型和小型专用模型协同工作。这种方法可以带来更可持续和可扩展的 AI 解决方案，从而减少部署所需的计算资源。

随着 AI 的不断发展，领英的经验为构建下一代 AI 系统所面临的挑战和机遇提供了宝贵的见解。该公司对效率和准确性的关注强调了针对特定需求定制 AI 解决方案的重要性，而不是仅仅依赖于通用模型。领英开发的可重复操作手册现在正在该公司的 AI 产品中重复使用。