# LinkedIn acelera a classificação de perfis com pontuação por LLM

> Uma equipe do LinkedIn afirma que avaliar candidatos individualmente reduziu o tempo de resposta e tornou a classificação menos dependente da ordem dos candidatos.

Oossa · 2026-10-28 · https://oossa.com/pt/linkedin-uses-llm-scoring-to-speed-profile-labeling

Uma equipe de pesquisadores do LinkedIn descreve a substituição de listas geradas de respostas SIM/NÃO por uma pontuação semântica para classificar perfis. Em vez de gerar uma lista de decisões, o sistema atribui uma pontuação a cada candidato em uma etapa de processamento com o modelo, sem gerar uma resposta completa. Segundo o artigo, a abordagem alterou no máximo 0,01% das decisões quando a ordem dos candidatos mudou e alcançou a mesma concordância com os rótulos de referência que a geração em lote, usando cerca de 4,7 vezes menos pares de treinamento.

Um método de processamento em lote chamado Multiple-Item Scoring aumentou a vazão em 1,24 vez no processamento offline e em 1,9 vez no atendimento do modelo, mantendo como meta uma latência de até um segundo no percentil 99. O artigo afirma que o sistema offline usa uma API reutilizável do Ray Data e que o atendimento conta com suporte no SGLang.

## Os fatos

- O artigo relata um aumento de 1,9× na vazão do atendimento, com uma meta de latência p99 de um segundo.
- O artigo foi publicado no arXiv em 28 de outubro de 2026.

## Por que importa

Para equipes que classificam perfis do LinkedIn, os ganhos relatados podem permitir processar mais candidatos dentro do mesmo limite de tempo de atendimento. O artigo não informa se a abordagem está disponível para outras organizações.

## Fontes e referências

1. [From Generation to Scoring: Scaling LLM-Based Semantic Labeling at LinkedIn](https://arxiv.org/abs/2610.36383) – arXiv cs.IR, 2026-10-28

Última atualização: 2026-10-28