現代の情報伝播の主要な媒体として、ソーシャルネットワーキングサービス（SNS）は急速な成長を遂げており、これに伴いプラットフォームのコンテンツ管理や相互作用の質向上に大きな課題が提起されています。最近、大規模言語モデル（LLM）の開発により潜在的な解決策が提供されましたが、既存の研究は個別のタスクに焦点を当てており、個々のシナリオ内のデータスケーリングによる利益逓減だけでなく、多様な実世界のコンテキストへの柔軟な適応も達成できていません。これらの課題に対処するため、私たちはRedOneというドメイン固有の大規模言語モデルを導入します。RedOneは、継続的な事前学習、教師あり微調整、および嗜好最適化からなる3段階トレーニング戦略を用いて、大規模な実世界データセットで開発されました。広範囲にわたる実験を通じて、RedOneは強い一般的な能力を維持し、ベースモデルと比較して8つの主要SNSタスクで平均14.02%、SNS二言語評価ベンチマークで7.56%の改善を達成しています。さらにオンラインテストでは、有害コンテンツ検出における露出率が11.23%低下し、投稿閲覧検索におけるクリックページ率が14.95%向上しました。これらの結果は、RedOneがSNS向けに堅牢なドメイン固有の大規模言語モデルであることを確立し、様々なタスクでの優れた汎化性能と実世界シナリオでの有望な適用可能性を示しています。