LinkedIn adds new tools to fight fake profiles and bogus work histories

How LinkedIn Trains AI Job Search 8x Faster with Multi-Teacher Distillation

LinkedIn xây dựng hệ thống training infrastructure cho AI job search với phương pháp multi-teacher distillation. Họ sử dụng 8 teacher models lớn để nén kiến thức vào 1 student model nhỏ hơn. Quá trình này giúp tăng tốc training lên 8 lần so với phương pháp thông thường. Hệ thống cho phép LinkedIn triển khai hiệu quả các mô hình NLP phức tạp trên nền tảng với chi phí tính toán thấp hơn đáng kể. Giải pháp này cung cấp bài học về tối ưu hóa mô hình AI quy mô lớn trong môi trường thực tế với hiệu năng cao.

Bài viết này giải thích cách LinkedIn tối ưu hóa đào tạo AI tìm kiếm công việc nhanh gấp 8 lần bằng kỹ thuật distillation đa thầy, giúp lập trình viên áp dụng công nghệ này vào các dự án thực tế.

What Stripe data shows about fraud at AI startups

Here’s a closer look at what our data shows about attempted fraud and multi-account abuse rates at AI companies and how Stripe Radar, our AI-powered fraud prevention product, can help businesses stay ahead of changing fraud patterns.

Stop Token-Incinerating Your Risk Engine

Ngành tài chính công nghệ đang cạnh tranh bằng cách xây dựng các lớp ngữ nghĩa phong phú thay vì chỉ mở rộng context window. Một risk engine xử lý 10,000 giao dịch mỗi ngày với ngữ cảnh 2048 token sẽ tiêu tốn khoảng 20GB RAM chỉ riêng cho việc lưu trữ ngữ cảnh. Chi phí tính toán tăng tuyến tính với kích thước ngữ cảnh khiến các hệ thống lớn trở nên cực kỳ tốn kém. Các công ty thành công sẽ tập trung vào tối ưu hóa lớp ngữ nghĩa để giảm nhu cầu token mà vẫn duy trì hiệu quả đánh giá rủi ro.

Bài viết này cung cấp công thức toán học chứng minh tại sao việc xây dựng lớp ngữ nghĩa ngữ cảnh phong phú quan trọng hơn việc mua cửa sổ ngữ cảnh lớn trong công nghệ tài chính.

AI Code Review at Scale: LinkedIn's Multi-Agent Approach

Trong bối cảnh LinkedIn xử lý hàng nghìn pull request mỗi ngày, việc chỉ dựa vào người review hoặc đặt một công cụ AI sẵn có trước GitHub không đủ hiệu quả để duy trì chất lượng và tốc độ. Để vượt qua hạn chế này, đội ngũ kỹ thuật của LinkedIn đã phát triển một hệ thống review AI đa‑agents, trong đó mỗi agent chịu trách nhiệm một khía cạnh cụ thể như kiểm tra phong cách, phát hiện lỗi bảo mật hoặc đánh giá hiệu suất. Các agents này hoạt động song song, trao đổi thông tin qua một luồng làm việc có cấu trúc để đưa ra phản hồi tổng hợp và có thể hành động ngay trên PR. Kết quả là, tải lavoro cho người review con người giảm đáng kể trong khi mức độ phát hiện vấn đề tăng lên, giúp thời gian merge PR được rút ngắn khoảng một phần ba so với quy trình cũ. Bài học chính là việc kết hợp nhiều mô hình AI chuyên biệt, thay vì dựa vào một giải pháp tổng quát, mang lại khả năng mở rộng và độ chính xác cao hơn cho việc review code tại quy mô lớn.

Bài viết tiết lộ cách LinkedIn giải quyết thách thức kiểm tra code hiệu quả bằng hệ thống AI đa tác nhân quy mô lớn.

Visa, Mastercard and Ant International team up on ID checks for AI agents

Ant International, Mastercard and Visa have begun work on a Know-Your-Agent framework so AI shopping agents can be verified across networks.

Why Even the Best Edge Security Still Misses High-Risk Sessions

Các giải pháp bảo mật biên (edge security) hiện nay dựa trên IP reputation và các tiêu chí cơ bản để lọc lưu lượng. Khi tấn công sử dụng proxy dân cư, VPN hoặc cơ sở hạ tầng tương tự, địa chỉ IP của phiên làm việc trông như hợp lệ, khiến các quy tắc edge không thể phát hiện hành vi độc hại. Hệ quả là các phiên nguy hiểm vẫn lọt qua lớp bảo mật, dẫn đến rủi ro mất dữ liệu, chiếm đoạt tài khoản hoặc thực hiện giao dịch gian lận mà không bị chặn. Spur đề xuất thêm quá trình làm giàu phiên (session enrichment) bằng cách tích hợp dữ liệu hành vi, thiết bị và bối cảnh truy cập để tạo ra nhiều điểm dữ liệu hơn. Bài học là tổ chức cần kết hợp edge security với session enrichment để đưa ra quyết định thực thi mạnh mẽ hơn dựa trên các tín hiệu rủi ro đa chiều.

Lập trình viên nên đọc bài này để hiểu cách nhận diện và ngăn chặn các phiên tấn công nguy hiểm thông qua việc làm giàu dữ liệu phiên.

South Africa’s fraud problem is persuasion, not hacking

Chi phí tấn công giảm nhờ tự động hóa, nhưng gian lận tại Nam Phi lại chuyển sang hình thức lừa đảo bằng thuyết phục (social engineering) thay vì hacking.

Lập trình viên nên đọc bài này để hiểu cách chuyển đổi từ các chiến lược tấn công cơ bản sang kỹ thuật lừa đảo tinh vi, giúp họ cập nhật kiến thức về các công cụ và thuật toán mới trong bảo mật mạng và phòng ngừa lừa đảo.