标题：小红书推出首个社交大模型RedOne，性能全面提升

小红书发布了行业首个专为社交网络服务（SNS）定制的大模型RedOne。这款模型在8个核心SNS任务中平均性能提升14.02%，在双语评测基准上提升7.56%。在线测试显示，它将有害内容检测的曝光率降低11.23%，并使浏览后搜索的点击率提升14.95%。

SNS数据具有高度非规范化、强上下文依赖和显著情绪化的特点，这对传统自然语言处理技术提出了挑战。当前的单一任务模型难以应对多语言、多文化的真实场景，导致性能触顶。为此，小红书团队开发了RedOne，通过三阶段训练策略——继续预训练（CPT）、监督微调（SFT）和偏好优化（PO），使其“既懂社交、又懂规则、更懂用户”。

训练过程：层层递进
1. 继续预训练（CPT）：结合高质量通用数据与SNS领域数据，构建超大规模数据集。通过数据筛选和混合，确保质量，并利用领域继续预训练注入SNS特有知识。
2. 监督微调（SFT）：整理真实场景中的生成数据，涵盖笔记、评论等，强化模型在内容理解、语义匹配等六项核心能力上的表现。采用双步微调策略，兼顾通用性和领域特定任务。
3. 偏好优化（PO）：通过专家标注和判别模型构建偏好数据集，利用直接偏好优化（DPO）算法对齐平台规则与用户偏好。

性能表现：全面领先
实验表明，RedOne在多项SNS任务中超越基础模型，甚至在部分任务上媲美更大规模的模型。消融实验验证了三阶段训练的有效性，其中CPT显著提升SNS任务表现，SFT强化任务能力，PO进一步优化输出质量。线上实验中，RedOne在有害内容检测和浏览后搜索任务中表现出色。此外，泛化性实验显示，混合通用数据能显著提升模型在未见任务上的表现。

未来展望
RedOne是首个全面覆盖SNS领域的定制化大模型，为平台内容治理和交互优化提供了新思路。研究团队希望其方法能为专用垂域大模型的开发提供参考，助力构建更可信、可控的社交网络生态。

论文链接：https://www.arxiv.org/pdf/2507.10605