小紅書NLP團(tuán)隊(duì)投稿量子位|公眾號(hào)QbitAI
大模型也能“通人情”？
行業(yè)首個(gè)社交大模型全景解析：既能兼顧社交理解與平臺(tái)規(guī)則，又能洞察理解用戶。
小紅書重磅推出RedOne——一款面向SNS（社交網(wǎng)絡(luò)服務(wù)）領(lǐng)域的定制化LLM，旨在突破單一任務(wù)基線模型的性能瓶頸，并且構(gòu)建全面覆蓋SNS任務(wù)的基座模型。
相較于基礎(chǔ)模型，RedOne在8個(gè)主要的SNS任務(wù)上平均提升14.02%，在SNS雙語(yǔ)評(píng)測(cè)基準(zhǔn)上提升7.56%。同時(shí)，在線上測(cè)試中，相較于單任務(wù)微調(diào)的基線模型，RedOne將有害內(nèi)容檢測(cè)（HarmfulContentDetection）中的曝光率降低11.23%，將瀏覽后搜索（Post-viewSearch）中的點(diǎn)擊頁(yè)面率提升14.95%。
圖1:不同模型在SNS領(lǐng)域上的平均表現(xiàn)
RedOne訓(xùn)練框架
隨著在線平臺(tái)和移動(dòng)應(yīng)用的高速發(fā)展，SNS成為當(dāng)前信息傳播的核心載體，覆蓋著交流溝通、知識(shí)分享、情感表達(dá)等多元場(chǎng)景。然而，SNS的數(shù)據(jù)與通用領(lǐng)域的文本語(yǔ)料又呈現(xiàn)出截然不同的特征：
1）高度非規(guī)范化：縮寫、諧音梗、跨語(yǔ)種表達(dá)層出不窮；2）強(qiáng)上下文依賴：同一句話在不同話題或社群文化中意義迥異；3）顯著情緒化：用戶情感張力隨熱點(diǎn)事件劇烈波動(dòng)。
因此，多元的場(chǎng)景疊加復(fù)雜的數(shù)據(jù)，不僅帶來(lái)語(yǔ)言形式的極端多樣化、用戶角色的頻繁切換，還伴隨著隱性而微妙的對(duì)話規(guī)范，使依賴傳統(tǒng)自然語(yǔ)言處理（NatureLanguageProcessing,NLP）的平臺(tái)內(nèi)容管理和交互質(zhì)量?jī)?yōu)化面臨前所未有的挑戰(zhàn)。
面對(duì)上述SNS的治理困境，社區(qū)開(kāi)始嘗試引入LLM尋求突破，但大多聚焦于單一任務(wù)層面。這一方面導(dǎo)致了同一場(chǎng)景內(nèi)DataScalingLaw的邊際收益呈現(xiàn)遞減并逐漸消失的趨勢(shì)，另一方面難以在多語(yǔ)言、多文化、多任務(wù)的真實(shí)場(chǎng)景中靈活遷移。
這一現(xiàn)象的根源在于：當(dāng)前SNS領(lǐng)域?qū)Ｓ媚Ｐ偷挠?xùn)練過(guò)程無(wú)法充分學(xué)習(xí)多元領(lǐng)域知識(shí)，導(dǎo)致性能觸頂、泛化失靈，無(wú)法滿足平臺(tái)內(nèi)容治理、交互質(zhì)量?jī)?yōu)化等現(xiàn)實(shí)中的迫切需求。
因此，研究團(tuán)隊(duì)重磅推出RedOne——首款全面覆蓋SNS各種場(chǎng)景的定制化LLM。
依托超大規(guī)模的真實(shí)數(shù)據(jù)，RedOne采用“繼續(xù)預(yù)訓(xùn)練（CPT）→監(jiān)督微調(diào)（SFT）→偏好優(yōu)化（PO）”的三階段訓(xùn)練策略：先注入社交文化知識(shí)基礎(chǔ)，再?gòu)?qiáng)化多元任務(wù)能力，最終對(duì)齊平臺(tái)規(guī)范和人類偏好，讓模型“既懂社交、又懂規(guī)則、更懂用戶”。
圖2:RedOne的訓(xùn)練框架
繼續(xù)預(yù)訓(xùn)練（ContinuePretraining，CPT）
為了給LLM注入SNS領(lǐng)域的基礎(chǔ)知識(shí)，研究人員開(kāi)展了分為三個(gè)子階段的CPT：數(shù)據(jù)收集與構(gòu)建、數(shù)據(jù)篩選與混合、以及領(lǐng)域繼續(xù)預(yù)訓(xùn)練。
數(shù)據(jù)收集與構(gòu)建
研究者從以下兩個(gè)來(lái)源收集所需的數(shù)據(jù)：
1)通用高質(zhì)量數(shù)據(jù)。他們選擇了若干高質(zhì)量的開(kāi)源預(yù)訓(xùn)練語(yǔ)料庫(kù)，以保持模型的基本泛化能力，并且為了提高訓(xùn)練效率，他們將所有通用數(shù)據(jù)統(tǒng)一構(gòu)建為單句文本格式，并根據(jù)預(yù)定義的文本長(zhǎng)度閾值進(jìn)行分割和拼接處理。
2)SNS領(lǐng)域數(shù)據(jù)。他們從社交網(wǎng)絡(luò)平臺(tái)和開(kāi)放網(wǎng)頁(yè)收集了大規(guī)模的訓(xùn)練數(shù)據(jù)，涵蓋了多種社交溝通模式，包括非正式討論、短評(píng)論、諷刺語(yǔ)句、情緒化內(nèi)容等，并且為了更好地學(xué)習(xí)預(yù)訓(xùn)練數(shù)據(jù)中的潛在信息，他們結(jié)合了用戶互動(dòng)數(shù)據(jù)來(lái)指導(dǎo)訓(xùn)練過(guò)程。具體來(lái)說(shuō)，他們將上下文與其對(duì)應(yīng)的用戶互動(dòng)數(shù)據(jù)進(jìn)行分組，這樣可以自然地聚類語(yǔ)義相關(guān)的SNS內(nèi)容，無(wú)需額外的處理。
結(jié)合以上兩種預(yù)料，他們構(gòu)建了一個(gè)包含超過(guò)千億tokens的大規(guī)模數(shù)據(jù)集，為后續(xù)的任務(wù)處理打下基礎(chǔ)。
數(shù)據(jù)篩選與混合
考慮到數(shù)據(jù)質(zhì)量對(duì)模型訓(xùn)練至關(guān)重要，他們精心設(shè)計(jì)了一個(gè)數(shù)據(jù)篩選流程，包含面向任務(wù)的規(guī)則篩選和基于小型LLM的篩選。前者主要識(shí)別HTML標(biāo)簽、重復(fù)語(yǔ)句等錯(cuò)誤內(nèi)容，后者則關(guān)注全文一致性和語(yǔ)氣適當(dāng)性等評(píng)價(jià)角度。
此外，他們又應(yīng)用了RegMix方法來(lái)識(shí)別最優(yōu)的數(shù)據(jù)混合分布并篩除不必要的數(shù)據(jù)。最終，他們構(gòu)建了一個(gè)包含200億tokens的高質(zhì)量數(shù)據(jù)集供訓(xùn)練使用。
領(lǐng)域繼續(xù)預(yù)訓(xùn)練
通過(guò)以上的數(shù)據(jù)收集、構(gòu)建、篩選與混合，他們得到了一個(gè)全面覆蓋SNS領(lǐng)域的超大規(guī)模高質(zhì)量數(shù)據(jù)集，以指導(dǎo)領(lǐng)域繼續(xù)預(yù)訓(xùn)練。具體來(lái)說(shuō)，他們基于Qwen2.5的開(kāi)源模型繼續(xù)訓(xùn)練，并使用相同的配置參數(shù)，充分發(fā)揮其在多個(gè)領(lǐng)域的強(qiáng)大能力。
通過(guò)這一領(lǐng)域特定的繼續(xù)預(yù)訓(xùn)練過(guò)程，他們最終獲得了一個(gè)能夠有效捕捉SNS特有語(yǔ)言模式的模型，同時(shí)保持了通用語(yǔ)言建模能力的最小衰減。
監(jiān)督微調(diào)（SupervisedFine-Tuning，SFT）
為了彌合預(yù)訓(xùn)練目標(biāo)與實(shí)際應(yīng)用需求之間的差距，他們精心設(shè)計(jì)了以下的SFT任務(wù)。
任務(wù)定義與數(shù)據(jù)構(gòu)建
SFT訓(xùn)練數(shù)據(jù)對(duì)模型在領(lǐng)域任務(wù)中的最終指令跟隨能力具有重要影響。為此，他們整理了大量的生成內(nèi)容，包括筆記、評(píng)論和互動(dòng)信息等，以期通過(guò)源于真實(shí)環(huán)境的信號(hào)來(lái)改善模型的決策行為。
表1:SNS任務(wù)和能力的映射
特別在數(shù)據(jù)整理過(guò)程中，他們著重保留了具有典型SNS特征的語(yǔ)言風(fēng)格，以確保數(shù)據(jù)在SNS場(chǎng)景中的代表性和實(shí)用性。在這之后，他們整合得到SNS應(yīng)用所需的六項(xiàng)核心能力：內(nèi)容理解、信息提取、語(yǔ)義匹配、用戶行為建模、對(duì)話和角色模擬、以及翻譯能力，并將每項(xiàng)能力映射到具體任務(wù)上，以對(duì)齊現(xiàn)實(shí)世界中的挑戰(zhàn)，如上圖所示。
此外，在SFT過(guò)程中，他們還引入了開(kāi)源的通用領(lǐng)域指令數(shù)據(jù)，以緩解模型的災(zāi)難性遺忘，保持良好的泛化能力。
雙步訓(xùn)練
在領(lǐng)域特定的SFT中，雙步混合微調(diào)已被證明能夠有效增強(qiáng)領(lǐng)域特定能力。
對(duì)于RedOne，他們第一步使用結(jié)合大規(guī)模通用數(shù)據(jù)的完整SNS數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練，使模型能夠?qū)W習(xí)SNS領(lǐng)域內(nèi)多樣化的任務(wù)格式，同時(shí)保持其通用能力；第二步，他們將SNS領(lǐng)域數(shù)據(jù)比例提高，進(jìn)一步精調(diào)模型，顯著提升其在領(lǐng)域關(guān)鍵任務(wù)上的表現(xiàn)。
偏好優(yōu)化（PreferenceOptimization，PO）
在SNS場(chǎng)景中，像查詢-筆記相關(guān)性建模這樣的任務(wù)常常會(huì)生成多個(gè)合理但質(zhì)量差異較大的輸出。雖然SFT能夠改善指令跟隨能力，但它未能充分利用這些候選輸出中的隱性偏好信號(hào)，導(dǎo)致過(guò)擬合和泛化能力不足。
為了克服這一局限，研究人員精心構(gòu)建了偏好數(shù)據(jù)集，并通過(guò)直接偏好優(yōu)化（DirectPreferenceOptimization，DPO）進(jìn)一步提升模型的領(lǐng)域適應(yīng)能力。
偏好數(shù)據(jù)構(gòu)建
為了更好地與人類偏好對(duì)齊并利用數(shù)據(jù)標(biāo)簽中蘊(yùn)含的信息，他們根據(jù)不同任務(wù)類型的特點(diǎn)，采用了不同的偏好對(duì)構(gòu)建策略。具體來(lái)說(shuō)，他們將數(shù)據(jù)分為兩類，并針對(duì)每類任務(wù)采取不同的策略：
1)主觀任務(wù)。對(duì)于情感對(duì)話和角色扮演等主觀任務(wù)，他們的主要目標(biāo)是實(shí)現(xiàn)與人類偏好對(duì)齊。因此，他們首先邀請(qǐng)領(lǐng)域?qū)＜覍?duì)模型生成的回應(yīng)進(jìn)行偏好標(biāo)注，然后訓(xùn)練與人類偏好能夠匹配的判別模型，最后利用這些判別模型擴(kuò)展特定數(shù)據(jù)。
2)客觀任務(wù)。對(duì)于答案明確的客觀任務(wù)，他們的目標(biāo)則側(cè)重于提取并利用數(shù)據(jù)標(biāo)簽中的隱性結(jié)構(gòu)信息。具體來(lái)說(shuō)，他們采用了兩種方法：首先利用問(wèn)題本身包含正確答案和錯(cuò)誤選項(xiàng)的內(nèi)在結(jié)構(gòu)來(lái)構(gòu)建偏好對(duì)；其次結(jié)合模型生成的答案和真實(shí)標(biāo)簽構(gòu)建偏好對(duì)，以針對(duì)模型的特定不足進(jìn)行優(yōu)化。
通過(guò)整合以上的定制化方法，他們系統(tǒng)性地處理了所有數(shù)據(jù)，構(gòu)建了能夠有效捕捉人類偏好和隱性數(shù)據(jù)信息的偏好優(yōu)化數(shù)據(jù)集，為模型性能的進(jìn)一步提升打下基礎(chǔ)。
直接偏好優(yōu)化
為了充分利用偏好數(shù)據(jù)集中的豐富信號(hào)，他們采用DPO作為基于偏好的微調(diào)算法，使模型能夠更好地與平臺(tái)規(guī)則和人類偏好對(duì)齊，同時(shí)充分挖掘真實(shí)標(biāo)簽中蘊(yùn)含的潛在信息。
RedOne顯著優(yōu)于基礎(chǔ)模型
表2:7B規(guī)模LLM對(duì)比實(shí)驗(yàn)
表3:32B規(guī)模LLM對(duì)比實(shí)驗(yàn)
圖3:RedOne與基礎(chǔ)模型的對(duì)比
他們?cè)诙鄠€(gè)通用和SNS領(lǐng)域任務(wù)上對(duì)RedOne和各種開(kāi)閉源模型進(jìn)行了全面對(duì)比，如表2和表3所示。同時(shí)，他們還對(duì)比了RedOne與其基座模型（Qwen2.5）在六種通用和SNS任務(wù)維度上的表現(xiàn)，如圖3所示。
可以看到，RedOne不僅在通用任務(wù)中保持優(yōu)異的表現(xiàn)，甚至在部分任務(wù)上超越了其基座模型，而且在SNS領(lǐng)域展現(xiàn)了卓越的效果，甚至在大多數(shù)任務(wù)中都達(dá)到了與更大模型相當(dāng)?shù)男阅?。另外，RedOne隨著模型規(guī)模的增加性能持續(xù)提升，表現(xiàn)出了巨大的潛力。
表4:RedOne與基于任務(wù)微調(diào)模型的對(duì)比
為了進(jìn)一步探討基礎(chǔ)模型對(duì)任務(wù)特定微調(diào)的影響，并驗(yàn)證RedOne的有效性，他們?cè)u(píng)估了基于基座模型Qwen2.5-7B和RedOne-7B的任務(wù)微調(diào)對(duì)比結(jié)果，如表4所示。
基于RedOne的微調(diào)（RedOne-Finetuned）在所有數(shù)據(jù)集上均超過(guò)了基于Qwen2.5的微調(diào)（Qwen2.5-Finetuned），表明領(lǐng)域后訓(xùn)練能夠?yàn)橄掠稳蝿?wù)特定微調(diào)提供更強(qiáng)的基礎(chǔ)。同時(shí)，即使未經(jīng)微調(diào)的RedOne表現(xiàn)也十分強(qiáng)勁，進(jìn)一步驗(yàn)證了領(lǐng)域適配的優(yōu)勢(shì)。
消融實(shí)驗(yàn)
表5:關(guān)于三階段訓(xùn)練策略的消融實(shí)驗(yàn)結(jié)果
為量化每個(gè)訓(xùn)練階段的貢獻(xiàn)，他們進(jìn)行了一系列消融實(shí)驗(yàn)，結(jié)果如表5所示。
引入CPT后，模型在通用任務(wù)上的表現(xiàn)僅出現(xiàn)基本可以忽略的下降，卻在所有SNS任務(wù)上取得大幅提升，證明以領(lǐng)域數(shù)據(jù)進(jìn)行CPT可有效注入社交語(yǔ)境知識(shí)。在CPT基礎(chǔ)上進(jìn)行SFT，模型在SNS、社交翻譯等任務(wù)上性能進(jìn)一步提升，說(shuō)明精細(xì)的任務(wù)定義與雙步混合微調(diào)策略能夠有效釋放模型在特定領(lǐng)域的潛能。最后引入PO，使模型輸出更加契合平臺(tái)規(guī)則與用戶偏好，整體性能得到再一步提升，印證了定制偏好數(shù)據(jù)與DPO算法協(xié)同的效果。
綜合來(lái)看，三階段訓(xùn)練呈現(xiàn)“層層遞進(jìn)、相互增強(qiáng)”的正向疊加，有力保證了RedOne在通用性能幾乎無(wú)損的前提下，取得SNS場(chǎng)景的全面領(lǐng)先。
線上實(shí)驗(yàn)
表6:線上實(shí)驗(yàn)的結(jié)果
為進(jìn)一步驗(yàn)證RedOne在真實(shí)場(chǎng)景中的應(yīng)用價(jià)值，他們?cè)趦?nèi)部的多個(gè)SNS業(yè)務(wù)線上對(duì)其落地，并與當(dāng)前基于單任務(wù)微調(diào)的模型進(jìn)行A/B對(duì)照，如表6所示。
結(jié)果顯示：在有害內(nèi)容檢測(cè)中，RedOne將違規(guī)筆記曝光率降低11.23%，顯著強(qiáng)化了平臺(tái)的安全屏障；在瀏覽后搜索中，用戶點(diǎn)擊頁(yè)面率提升14.95%，有效增強(qiáng)了筆記閱讀后的內(nèi)容發(fā)現(xiàn)與深度互動(dòng)。
泛化性實(shí)驗(yàn)
圖4:不同規(guī)模模型在OOD任務(wù)上的表現(xiàn)
為了評(píng)估在領(lǐng)域適配過(guò)程中保留通用能力的價(jià)值，他們?cè)O(shè)計(jì)了OOD魯棒性實(shí)驗(yàn)，結(jié)果如圖4所示。
具體來(lái)說(shuō)，他們從SNSBenchmark中選取了Note?Taxonomy、Note?Hashtag和Note?MRC三項(xiàng)任務(wù)來(lái)構(gòu)造測(cè)試數(shù)據(jù)，其中第一項(xiàng)原本并不存在于訓(xùn)練集中，后兩者在SFT階段中被刻意移除。然后他們對(duì)比了結(jié)合通用語(yǔ)料和SNS數(shù)據(jù)與僅使用SNS數(shù)據(jù)兩種設(shè)定下不同規(guī)模模型訓(xùn)練后的性能。
可以看到引入通用領(lǐng)域數(shù)據(jù)能夠顯著提升模型在OOD任務(wù)上的泛化能力，且這一優(yōu)勢(shì)隨模型規(guī)模增大而愈發(fā)明顯。這表明，在進(jìn)行特定領(lǐng)域后訓(xùn)練時(shí)，適當(dāng)混合通用知識(shí)不僅不會(huì)影響專業(yè)任務(wù)上的表現(xiàn)，反而有助于提升模型的泛化能力。
實(shí)例研究
表7：RedOne和基礎(chǔ)模型在SNS任務(wù)中的回答示例展示
為直觀展示RedOne的用戶行為建模能力，他們?cè)跒g覽后搜索任務(wù)上進(jìn)行了案例研究，如表7所示。
輸入的上下文是一條關(guān)于“增高樂(lè)福鞋”的種草筆記，具有明顯的購(gòu)買意向。Qwen生成了一條寬泛的購(gòu)物查詢，關(guān)鍵詞籠統(tǒng)，難以直接定位目標(biāo)商品。而RedOne則精準(zhǔn)鎖定了“增高樂(lè)福鞋”等核心產(chǎn)品詞，清晰地反映了用戶的需求。
未來(lái)與展望
SNS?的治理難和LLM的適配難為現(xiàn)實(shí)里如平臺(tái)內(nèi)容管理、交互質(zhì)量?jī)?yōu)化等應(yīng)用場(chǎng)景提出了嚴(yán)峻挑戰(zhàn)。作為首個(gè)全面覆蓋SNS領(lǐng)域的定制化LLM，RedOne通過(guò)三階段訓(xùn)練策略，實(shí)現(xiàn)了“懂社交、懂規(guī)則、懂用戶”的三重躍遷。
研究人員希望RedOne所采用的方法能夠?yàn)楹罄m(xù)專用垂域LLM的落地提供一定參考，同時(shí)助力社交媒體在內(nèi)容治理與高質(zhì)量互動(dòng)的進(jìn)一步探索，推動(dòng)構(gòu)建更可信、可控、可持續(xù)的社交網(wǎng)絡(luò)生態(tài)。
論文鏈接：https://www.arxiv.org/pdf/2507.10605
我去了約旦,只為掀開(kāi)阿拉伯世界的神秘面紗
紅海行動(dòng)背后的家國(guó)記憶：碼頭槍聲清晰可聞同胞高喊“祖國(guó)萬(wàn)歲”在青島奧帆中心碼頭，舷號(hào)547的臨沂艦成為了眾多軍迷的打卡之地?！R沂艦在航行中這艘承載著國(guó)家榮譽(yù)與人民信賴的戰(zhàn)艦，在2015年3月執(zhí)行海軍第19批亞丁灣護(hù)航任務(wù)期間，臨危受命，緊急駛向也門，成功安全撤離來(lái)自14個(gè)國(guó)家的432名中外人員||。這次行動(dòng)成為說(shuō)完了。
非洲這個(gè)美麗的小村落,是《紅海行動(dòng)》的取景地,現(xiàn)成旅游打卡地
從當(dāng)前情況來(lái)看，紅海的矛盾在一兩周內(nèi)無(wú)法得到解決。胡塞武裝的行動(dòng)牽動(dòng)了整體貿(mào)易的敏感神經(jīng)，盡管美國(guó)和以色列有能力進(jìn)行反擊，但要壓制這種“小規(guī)模戰(zhàn)爭(zhēng)”存在較大難度。倘若加沙地區(qū)的局勢(shì)未能得到緩解，隨著秋冬季節(jié)的臨近，沖突極有可能再度達(dá)到爆發(fā)點(diǎn)——。紅海航線或許會(huì)長(zhǎng)期處于戰(zhàn)時(shí)的狀態(tài)，各個(gè)國(guó)家都在尋求平衡之法還有呢？
自中國(guó)啟程的巨輪紅海沉沒(méi),24小時(shí)兩度爆炸,手段較伊朗凌厲得多
杜江：從《紅海行動(dòng)》開(kāi)始第一次合作，他是一個(gè)非常熱愛(ài)電影的人，一個(gè)特別會(huì)講電影故事的老板||。每次都講得所有人熱淚盈眶，群情激昂，腦子里都是畫面。就覺(jué)得太棒了，我一定要參與。9、你期待一部個(gè)人主演的優(yōu)秀電影作品嗎？ 杜江：拍戲也看緣份，不是你挖空心思想做一個(gè)事就一定做得成，甚至做得好——。也許那個(gè)角色等我繼續(xù)說(shuō)————。
延伸閱讀：與 八大社交任務(wù)平均提：升140——2 的相關(guān)文章
俄羅斯5架戰(zhàn)機(jī)被“擊中”
中國(guó)船舶將吸收合并中國(guó)重工
人仗蟲勢(shì)這一塊
《黑神話：悟空》取景地遭游客刻字
言短意長(zhǎng)｜如何看待“還要等上級(jí)的安排”這句話？
有沒(méi)有一個(gè)款單機(jī)游戲，是你單次玩了 5 個(gè)小時(shí)以上的？
武漢大學(xué)何時(shí)能還無(wú)辜學(xué)生清白
熱身賽阿森納 0-1 熱刺，哲凱賴什表現(xiàn)堪稱災(zāi)難，該買的人都買了，阿森納為什么還是不行?
一文梳理武漢大學(xué)圖書館事件
女子跑步時(shí)發(fā)現(xiàn)溝里有頭骨 警方回應(yīng)
