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下载凯发k8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