RedOne

RedOne – 小红书推出的社交大模型

RedOne 是小红书推出的首个专为社交网络服务（SNS）量身定制的大语言模型（LLM）。它通过三阶段训练策略，融合社交文化知识，增强多任务处理能力，并对齐平台规范与人类偏好。

RedOne：社交领域的革新者

RedOne 是小红书为社交网络服务（SNS）领域精心打造的定制化大语言模型（LLM）。这款模型通过独树一帜的三阶段训练方法，深度融合社交文化知识，显著提升多任务处理能力，并严格遵循平台规范与人类偏好。相较于基础模型，RedOne 在八大社交任务上的平均性能提升了 14.02%，在双语评测基准上提升了 7.56%。更值得一提的是，RedOne 在有害内容检测中将曝光率降低了 11.23%，在浏览后搜索中将点击页面率提升了 14.95%。RedOne 在社交领域展现出卓越的效能，为 SNS 应用提供了强有力的支持。

RedOne 的核心功能

• 内容解析：精准分析用户生成的内容，实现分类、主题识别和意图理解。
• 信息抽取：从非正式的社交帖子中提取结构化信息，例如预测标签、解答疑问以及识别关键词。
• 语义匹配：评估用户查询与社交笔记之间的语义关联，提供相关性评估。
• 用户行为建模：模拟用户行为，例如基于浏览历史生成后续查询。
• 对话与角色扮演：支持情感陪伴对话和群聊中的角色扮演。
• 翻译：在多语言环境下进行笔记翻译，保留原始语气和情感。
• 有害内容过滤：降低有害内容的曝光率，维护平台安全。
• 浏览后搜索优化：提升用户点击页面率，增强内容发现能力。

RedOne 的技术基石

• 持续预训练（Continue Pretraining， CPT）：RedOne 的持续预训练阶段为模型注入了社交领域的基础知识。研究团队从通用高质量语料库和社交网络平台搜集了海量数据，涵盖了非正式讨论、短评、讽刺语句等多种社交沟通模式。通过精心设计的数据筛选流程，剔除低质量数据并优化数据混合分布，在 Qwen2.5 的基础上持续训练模型。
• 监督微调（Supervised Fine-Tuning， SFT）：在监督微调阶段，基于精心设计的任务定义和数据构建，弥合了预训练目标与实际 SNS 应用需求之间的差距。研究人员整理了大量真实用户生成的内容，定义了六种核心能力，包括内容理解、信息提取、语义匹配等，并将每种能力映射到具体任务。基于双步训练策略，第一步使大规模通用数据和 SNS 数据混合训练，第二步提高 SNS 数据比例，进一步优化模型在关键任务上的表现。
• 偏好优化（Preference Optimization， PO）：偏好优化阶段通过利用隐性偏好信号，让模型输出更符合人类偏好和平台规范。研究人员根据不同任务类型（主观任务和客观任务）采用不同的偏好构建策略，邀请专家标注偏好并扩展数据集。基于直接偏好优化（DPO）算法，利用偏好数据集中的信号，优化模型的输出，使其更贴近人类偏好。
• 数据混合与通用能力保留：在训练过程中混合通用领域数据和 SNS 领域数据，保持模型的通用能力，同时提升在 SNS 领域的适应性，增强模型在特定领域的表现，提升在未见过的任务（Out-of-Domain， OOD）上的泛化能力。

产品官网

目前，RedOne 的相关技术细节已在 arXiv 上发表，详细内容请参考：

• arXiv 技术论文：https://www.arxiv.org/pdf/2507.10605

RedOne 的应用场景

• 有害内容检测：有效识别和过滤有害内容，例如仇恨、虚假信息、暴力等。通过降低有害内容的曝光率，显著提升平台的安全性和用户体验。
• 浏览后搜索优化：根据用户的浏览历史和行为，生成更精准的搜索建议和推荐内容，能提升用户的内容发现能力，增强用户与平台的互动。
• 内容理解与分类：对用户生成的内容进行自动分类和理解，帮助平台更好地管理和推荐内容。
• 信息提取：从非正式的社交帖子中提取关键信息，例如标签、重点词汇、关键事实等。对于内容推荐、信息聚合和知识图谱构建非常有帮助。
• 语义匹配：评估用户查询与社交笔记之间的语义相关性，提供更精准的搜索结果和推荐内容。

常见问题

1. RedOne 与其他 LLM 有何不同？

RedOne 专注于社交网络服务领域，通过三阶段训练策略，深度融合社交文化知识，并对齐平台规范与人类偏好，在社交任务上表现卓越。

2. RedOne 的主要优势是什么？

RedOne 的主要优势在于其在社交领域的卓越表现，例如有害内容检测、浏览后搜索优化、内容理解与分类等。

3. 如何获取更多关于 RedOne 的信息？

您可以访问 arXiv 技术论文：https://www.arxiv.org/pdf/2507.10605，了解更多技术细节。