图源/采访对象提供
7月5日下午，由中国信息通信研究院承办的2024世界人工智能大会“迈向agi：大模型焕新与产业赋能”论坛在上海徐汇西岸举行。小红书技术副总裁王晓博在论坛上发表主题演讲，分享了小红书在大模型领域的最新布局与探索。目前小红书社区拥有超过三亿的月活用户，越来越多新一代年轻人因为共同的兴趣爱好在这里相聚，小红书上海量的ugc构成了一部丰富的生活指南。在演讲中，王晓博从“搜”“推”“创”“美”“伴”等多个技术应用场景阐述了大模型将如何助力小红书这本“生活指南”更便捷、更鲜活、更美好。
王晓博表示：“我们希望通过多模大模型的能力增强，让ai能够越来越像人一样，能够理解小红书的内容，不仅仅可以看懂笔记，看懂图片和文字，能够进行内容的整理和问答，也能够辅助用户进行更便捷的内容创作，同时通过对内容和用户的深度理解，更好地建立内容和用户之间的关联和匹配效率。”
搜索一直是用户在小红书上高频使用的功能，70%的小红书活跃用户有主动搜索行为。小红书目前正在探索将大模型引入搜索的技术链路，未来能够给用户带来更便捷的搜索体验。据王晓博介绍，在日常使用中，用户查询一些复杂问题时，往往需要多步搜索才能获得想要的答案。而有了大模型的加持之后，小红书将使用search agent来模拟用户的多次搜索过程，通过大模型代理用户的查询过程，直接交付答案给用户，大大提升了搜索效率。
在推荐上，大模型则可以帮助小红书更好地理解内容和用户兴趣。王晓博表示，传统推荐系统依赖行为数据对用户和内容进行建模，会导致新笔记分发难，缺乏推理能力导致信息茧房等问题。在小红书的推荐系统中，率先将大模型作为笔记的语义编码器来使用，通过语义压缩提示词（prompt）结合对比学习技术，让大模型能够把笔记转化为推荐系统可理解的向量表征，在新笔记分发上取得了非常大的提升。同时，大语言模型（llm）的推理能力能够更好地建模用户兴趣，小红书通过让大模型从历史行为中推理用户潜在的新兴趣，有效地缓解了信息茧房问题，提升了用户留存。
ai智能创作同样是小红书与大模型擦出火花的重要探索领域。今年小红书内部孵化的创新项目instantid，通过人脸id注入方式，成功在技术上兼顾了风格的保持和人脸id的一致性，它不仅风格多样，同时无需模型训练，实现秒级出图，为用户提供了“发现不一样的自己”的创作方式。目前，该项目已向业界开源，为商业应用如电子商务、广告和娱乐产业创造了新的可能性。
此外，王晓博还认为，大模型不仅可以为用户提供信息和创意，也可以提供很多情绪价值。为此，小红书在宠物世界、社区群聊、官号私信这几个主要场景下，分别搭建了ai宠物、ai群聊、ai助手这一类聊天bot产品，为用户提供泛娱乐功能。以ai宠物为例，每位用户都可以领养一个虚拟宠物，通过对话的方式与它交互，在线上互动中获得乐趣与情感陪伴。在群聊场景，ai 通过角色扮演的方式将自有性格生动的表达，ai助手也可以将生硬的官方活动信息幽默有趣地传递给用户。
“针对陪伴类聊天应用里记忆、人格情绪等技术难点，小红书采取了基于记忆网络、世界体系和驱动飞轮等技术相结合的九游会体育官网登录的解决方案。通过精细化记忆建模，对历史对话进行语义分析、重要性判断、节点因子建模，从而深入理解用户行为，构建个性化互动，实现越交互越聪明，越聪明越交互的良性循环。”王晓博说。
在演讲中，王晓博也谈到，应用场景的落地离不开基础能力的建设。目前，小红书技术团队同时针对语言模型和多模态能力进行了综合研发，结合小红书自身的业务场景和需求，更早做了视觉理解大模型方向的技术攻关：在多模模型架构、多模态alignment和整个数据体系和视觉感知能力上，都做了一定的探索和优化；并基于多种类型的图文数据，通过端到端多模态训练和优化，训练了对业务场景很友好的视觉理解大模型，兼顾了图像分辨率、ocr、长尾语义识别等能力。
目前小红书在引擎技术上逐步完备布局，在训练方面对于大模型的工程体系做了完备建设，包括预训练、sft、rlhf都做了针对模型和硬件的改造加速，自研了推理框架，对量化压缩、投机采样等技术都做了进一步优化。“其中，比较有亮点的前沿技术，一是在moe框架下，做了5d并行的高效率训练，同时自研了rlhf框架，相较于开源框架性能和收敛稳定性都有提升。推理上我们做了w4a8模型压缩，结合算子优化整体性能超过开源框架20%左右。”王晓博介绍道。
新民晚报记者 金志刚
