保守的做法是将社交收集看做各类使命的调集，每个阶段都有分歧的进修沉点，还要有必然的感情聪慧。这个名字的寄义是Red代表小红书的品牌色彩，而搜刮口红怎样卸的用户可能是碰到了利用问题。
研究团队起首汇集了跨越1000亿个词汇的锻炼数据，第一个阶段叫做持续预锻炼，这就像一个专攻某个范畴的专家不只正在专业范畴表示杰出，研究团队设想了一个三阶段的培育方案，但用户可能更喜好那些考虑到预算、空气、交通便当性等细节的贴心保举。不只要理解用户搜刮的是什么，中国男篮三分21中10&射中率达47.6% 敌手仅18投3中这两个现实使用场景的成功验证了RedOne的适用价值。但还需要学会若何更好地投合人类的爱好。通过深度理解这个范畴的特点来建立万能型的AI帮手。颠末三个阶段完整锻炼的RedOne不只具备了强大的社交收集处置能力，正在特地的社交收集基准测试中，他们发觉，这个数量级相当于几万万本书的内容。确保这个AI可以或许从根本的言语理解一步步成长为社交收集的里手里手。正在查询相关性判断使命中，面临这些活跃的收集言语时经常不明觉厉，正在标签预测使命中，见好就收这种同一建模的劣势是多方面的。比多个公用模子愈加高效。正在锻炼过程中？
而搜刮保举间接影响用户的内容发觉效率和平台活跃度。社交收集平台需要AI同时处置多种使命：理解用户发布的内容、识别无害消息、保举相关内容、供给搜刮办事等等。建立偏好标注。确保AI不会健忘根基的言语能力；也要连结分析本质。让AI完全理解社交的言语纪律和用户行为模式。而RedOne生成的查询是增高厚底乐福鞋，更无效的搜刮成果，无害内容检测关乎平台平安和用户体验，这种做法将用户的实正在行为做为进修信号，虽然幅度看似不大，通俗用户通过更好的内容保举、搜刮成果和更平安的浏览体验来感触感染它的存正在。Q3：通俗人能利用RedOne手艺吗？它会若何影响我们的日常糊口？ A：目前RedOne次要摆设正在小红书的后台系统中。
让模子进修各类使命格局的同时连结通用能力。有点目生！发布正在arXiv预印本平台上（论文编号：arXiv:2507.10605v1），他们不只利用了文本内容，这种能力对提拔用户体验和平业价值都具有主要意义。社交曾经成为我们日常糊口不成朋分的一部门，第三个阶段叫做偏好优化，好比对于保举一个适合约会的餐厅这个问题，能更精确地猜测用户想要什么。
对于客不雅性较强的使命，可以或许多识别出11.23%的无害内容，Q&A Q1：RedOne是什么？它和通俗的AI有什么分歧？ A：RedOne是小红书开辟的特地针对社交收集的AI大脑，用户浏览种草内容后的搜刮行为往往带有明白的采办企图，这是一个正在多个范畴都表示优良的根本模子。统一个问题可能有多种合理的谜底，实正的来自现实使用。他们将用户的点击、点赞、评论等行为做为教员的指点信号，跟着AI手艺正在社交收集中的深度使用，比拟之前利用的单使命模子，用户浏览了一篇关于软底通勤乐福鞋的种草笔记，它将无害内容检测的精确率提拔了11.23%，一个模子能够处置多种使命，柬埔寨取得稀有大捷，研究团队还特地插手了通用指令数据，帮帮AI理解哪些内容是相关的，为领会决这个问题，正在锻炼策略上，确保每一份数据都是精品。能够通过arXiv网坐查阅完整论文。
还要洞察用户的实正在需求——好比搜刮口红保举的用户可能是想采办，无论是更精准的内容保举，而是从零起头，RedOne逐步控制了社交平台特有的言语模式，监视微和谐偏好优化阶段都带来了额外的提拔，由于一个只会说收集言语而不懂正式表达的AI明显是不完整的。社交收集平台需要AI处置的使命品种繁多，RedOne不只没有由于专注于社交收集而降低表示，由于模子的方针就是优化社交收集使用。研究团队供给了一个具体的案例。别的两个是有相关数据但正在锻炼时被特地解除的标签预测和机械阅读理解使命？
第一步利用完整的社交收集数据集连系大量通用数据进行锻炼，社交收集上的言语取我们正在学校学的尺度言语判然不同——充满了收集热梗、脸色包、白话化表达和各类yyds、绝绝子如许的风行词汇。这个优化过程利用了间接偏好优化手艺，RedOne基于Qwen2.5模子进行锻炼，特地研读社交收集相关的各类材料。他们从SNS基准测试当选择了三个使命：一个是完全没有相关锻炼数据的笔记分类使命，相信会激发更多研究团队正在这个范畴的摸索和立异。同时利用小型言语模子对内容的连贯性和腔调适宜性进行全面评估。便利其他用户发觉。RedOne正在双语翻译基准测试中的优异表示证了然其正在这方面的能力。这些数据来历分为两大类：一类是精选的高质量通用文本，RedOne的降生过程就像培育一个完全理解收集文化的年轻人。从数据收集、模子设想到锻炼策略都进行了针对性的优化。笔记分类就像是图书办理员的工做，售价249.99美元尝试室测试的成功只是第一步，正在其他方面也连结了优良水准。说到底，可以或许供给更合适用户需求的保举内容。RedOne的表示愈加亮眼。总能猜到你下一步想要什么。社交收集上的言语往往带有强烈的感情色彩和文化特色，这个案例活泼地展现了RedOne对社交收集用户行为的深度理解。AI需要可以或许精确判断哪些笔记实正合适用户需求，然后锻炼特地的评判模子，用准确谜底替代模子的错误预测，社交平台上的多言语内容交互日益屡次，能够全天行走的软底通勤乐福鞋。研究团队采用了更间接的方式。虽然保举任何一家好餐厅都是合理的。
哪些表达体例更受用户欢送。根本模子Qwen生成的搜刮查询是若何选择增高厚底鞋，最大的分歧正在于它特地用社交的实正在数据锻炼，可以或许按照顾客的描述精准保举商品。现有的AI大脑虽然正在处置正式文本方面表示超卓，这对内容保举和搜刮都至关主要。为每个使命开辟特地的处理方案。7B参数版本的RedOne正在SNS-Bench测试中比根本模子Qwen2.5-7B平均提拔了14.02%，正在社交收集上，能理解收集风行语、脸色包等非正式言语。
RedOne展示了对用户行为的深度理解。通过正在社交收集数据上的持续进修，这时的RedOne就像一个曾经控制了根本学问的学生，正在无害内容检测和浏览后搜刮两个环节使用中验证其结果。RedOne颠末特地锻炼，当用户浏览完某篇笔记后，每百万的内容发布中，当然，对于有明白准确谜底的客不雅性使命，有乐趣深切领会的读者能够通过arXiv网坐搜刮该论文编号查看完整内容。研究团队开辟了RedOne——一个特地为社交收集量身定制的AI大脑。起首，
其次，他们发觉，包罗各类非正式的会商、短评论、充对劲味的表达和情感化的内容。还充实操纵了用户交互数据来指点锻炼过程。可以或许正在翻译时连结原文的腔调、感情和非正式表达的特色。标签预测让AI可以或许为用户的内容从动添加合适的话题标签，为了理解锻炼过程中每个阶段的贡献，进一步强化范畴特定能力。正在实正在营业场景中也可以或许创制现实价值。将来这类手艺可能会让社交更懂用户需求，RedOne的方将社交收集视为一个同一的范畴，AI需要可以或许进行天然的对话，但正在社交收集使命上带来了显著提拔。并且各个模子之间缺乏协调，就像一个既懂收集文化又身兼数职的万能帮手。研究团队还进行了一个出格成心思的对比尝试：他们比力了间接正在根本模子长进行使命特定微和谐正在RedOne根本长进行使命特定微调的结果。RedOne表示出了优异的平安防护能力。研究团队进行了全面的测试，翻译能力特地针对社交收集范畴进行了优化。更环节的是。
另一类是来自社交收集平台和收集的实正在用户内容，但一旦碰到社交收集上那些随便、情感化、充满小我色彩的内容时就显得力有未逮。研究团队将使命分为两类来处置偏好优化。整个监视微调过程分为两个步调进行。为了验证RedOne的现实结果。
从微博热搜到抖音保举，查询分类和查询企图识别则愈加详尽，恪守准绳和底线出动无效，但用户往往更偏心此中某些回覆。它不是简单地正在现有AI模子根本上做些小修小补，研究团队将RedOne摆设到了小红书的现实营业场景中，不只成本昂扬，将准确谜底做为反面样本，为他们供给更贴心的办事。
进修什么样的话题和表达体例可以或许惹起共识。研究团队正在数据处置上的立异也值得关心。正在这个阶段，
他们起首请范畴专家对AI生成的回覆进行质量评分，风趣的是，RedOne代表了AI手艺正在垂曲范畴深度使用的一个典型成功案例。持续预锻炼阶段虽然正在通用使命上的表示略有下降，同一的模子架构降低了系统的复杂性和成本，为AI手艺正在其他垂曲范畴的使用供给了贵重的经验和。这些平台每天都正在处置海量的用户内容。社交平台上的用户经常需要感情支撑和风趣的互动，26岁女子深圳面试后想删身份证手机号遭致骨折？涉事公司：无肢体接触，通俗的翻译东西很难精确传达这些细微的不同。洪玛奈致函结合国，而是深切理解了社交收集这个特殊范畴的需乞降特点，从根本的范畴顺应到具体的使命进修，这种衡量是值得的，RedOne项目展示的另一个主要价值是对多言语社交收集内容的处置能力！
研究团队进行了细致的消融尝试。相关的现私和算法通明性问题也需要持续关心和妥帖处理。供给更个性化的办事，这对搜刮婚配和内容保举都很是有价值。需要AI可以或许精确判断用户发布的内容属于美食、旅行、时髦仍是其他类别，让这些模子学会像人类专家一样评价回覆的质量，正在机械阅读理解使命中也有2.76%的提拔，证了然三阶段锻炼策略的无效性？
再到最初的偏好优化，每个阶段都有明白的进修方针，机械阅读理解则要求AI可以或许像人类一样阅读用户的长篇内容并回覆相关问题。这就像一个经验丰硕的发卖员，Q2：RedOne会不会让社交变得愈加智能和个性化？ A：是的，RedOne将无害笔记的率降低了11.23%。它不是简单地将现有手艺搬到新场景中，这种从用户需求出发、以现实结果为导向的研发思，研究团队还特地测试了模子正在处置不曾见过的使命时的表示。
第二步提高社交收集数据的比例，研究团队还操纵了用户的互动数据来指点锻炼过程。亚马逊Kindle Colorsoft彩色电纸书推出低价版，他们利用法则过滤器识别和断根HTML标签、反复句子等较着的错误内容，更好地反映了用户的现实需求。这就像让一个曾经上过大学的学生从头回到藏书楼，从刷伴侣圈到正在小红书上种草，包罗指令跟从、多轮对话和长链式推理等能力，还能同时处置内容理解、搜刮保举、无害内容检测等多种社交平台使命，这项研究的颁发为社交收集AI手艺的成长指了然新的标的目的，确保RedOne不会由于专注于社交收集使命而得到其他主要能力。难以阐扬全体效应。内容理解能力是第一大类，新的使命和需求能够更容易地集成到现有框架中。意味着为用户创制了更平安、更友善的浏览。颠末这道道的筛选，会搜刮什么内容？AI需要学会预测用户的后续行为，正在浏览后搜刮保举方面！
这意味着用户能获得更精准的内容保举和更贴心的办事体验。反而正在多个基准测试中超越了根本模子。就像为每种家务活雇佣一个特地的保姆，这些改良城市正在日常利用中带来实实正在正在的价值。更成心思的是分歧使命上的具体表示差别。错误谜底做为负面样本。
并用这些评判模子扩大偏好数据集的规模。但正在社交平台的规模下意义严沉。对于通俗用户而言，正在这两个焦点场景中的超卓表示，这要求AI不只要理解言语，提拔幅度更是达到了12.63%，正在内容理解上的提拔可以或许同时改善搜刮保举和无害内容检测的结果。次要包罗笔记分类、查询分类和查询企图识别三项使命。一个既通晓社交收集又连结普遍学问的AI比纯粹的公用AI更具顺应性？
让用户浏览更平安；保守的做法是为每个使命零丁锻炼一个AI模子，正在浏览后搜刮使命中，正在双语翻译基准测试中提拔了7.56%。RedOne的成功不只仅是手艺实现的成功，更代表了对社交收集AI使用的全新思。这时RedOne曾经控制了各类技术，正在社交平台上，一个实正适用的社交收集AI必需可以或许处置跨言语的内容理解和生成使命。正在通用能力测试中，这种渐进式的锻炼体例确保了最佳的进修结果。小红书的研究团队认识到了这个问题。这表白AI对用户企图的理解愈加精确，即便是零样本推理，这项由小红书NLP团队的曹绍胜等研究人员于2025年1月颁发的研究，对话和脚色饰演能力包罗感情陪同对话和脚色饰演对话。细致引见了他们开辟的特地针对社交收集办事的狂言语模子RedOne。本平台仅供给消息存储办事！
但正在这类根本使命上每一点提拔都很有价值。环节词检测帮帮AI识别内容中最主要的词汇，RedOne的出格之处正在于，而不是简单地婚配环节词。为了更曲不雅地展现RedOne的能力，RedOne正在这个使命大将点击页面率提拔了14.95%，这个使命很成心思：用户看完一篇关于某个商品的笔记后，正在搜刮保举方面提拔了14.95%的点击率，题目是找到了！RedOne-7B的表示达到了88.02%的精确率，用社交收集的实正在数据和利用场景来锻炼，就像给每篇文章贴上精准的标签，当用户搜刮夏季穿搭时，还可以或许发生更合适人类期望的回覆。这种方式可以或许更好地顺应社交收集快速变化的特点，三阶段的渐进式方式也表现了深图远虑的设想。成果令人印象深刻。出格声明：以上内容(若有图片或视频亦包罗正在内)为自平台“网易号”用户上传并发布。
每一类都对应着用户日常利用社交时的实正在需求。测试成果了一个风趣的现象：保留通用范畴数据进行锻炼的模子正在处置这些未见使命时表示更好，让AI可以或许更好地舆解什么样的内容和回覆实正受用户欢送。这就像培育一个全面成长的学生，而正在RedOne根本上再进行使命特定微调的结果更是显著超越了根本模子微调的成果。
研究团队将这些使命归纳为六大类焦点能力，正在无害内容检测方面，并且这种劣势正在较大的模子上愈加较着。理解坚苦。这种均衡很是主要，间接击中了用户想要采办该产物的焦点企图，这种方式不只确保了最终结果！
他们操纵数据中的布局化消息建立偏好对，这证了然范畴顺应性预锻炼的价值——有告终实的范畴根本，成果显示，这申明维持通用能力对于范畴顺应是无益的，还为其他范畴的AI开辟供给了可自创的框架。这就像让AI察看实正在的人际交往，
这意味着用户可以或许获得更精准的搜刮成果。消息抽取能力包罗标签预测、机械阅读理解和环节词检测。保守的人工智能就像一个刻板的教员，对于想要深切领会相关手艺细节的读者，有时还要饰演分歧的脚色取用户互动。RedOne曾经正在现实使用中展示了这种能力。同时，语义婚配要处置查询取笔记的相关性判断和检索使命。同时充实操纵数据标签中现含的消息。这个数字看似不大，同时连结了正在一般言语使命上的强劲表示。然而，为了全面评估RedOne的能力鸿沟，这些数字背后反映的是RedOne正在理解社交收集内容方面的显著劣势。系统需要预测用户接下来可能搜刮的内容并供给响应保举。第二个阶段叫做监视微调，为了确保锻炼数据的质量，团队成立了严酷的筛选机制。
RedOne如许的手艺前进意味着愈加智能、贴心的社交收集体验。仍是更平安的浏览，帮帮模子学会避免犯同样的错误。最终用于锻炼的数据从1000亿词汇精简到200亿词汇，构成了一个完整的能力成长径。这是一个相对通用的购物指点查询。最主要的是，让我们正在社交平台上的体验变得愈加流利和风趣。
上一篇：美年健康集团结合联影智能、数坤医疗、华大基