Musubi, gerçek zamanlı içerik denetimi için PolicyLM-1.7B'yi tanıttı

Musubi, gerçek zamanlı içerik denetimi için tasarlanan hafif bir karar modeli olan PolicyLM-1.7B'yi duyurdu. Şirket, modeli açık ağırlıklarla yayımladığını söylüyor.

Model, sade İngilizceyle yazılmış bir içerik politikasını mesajlara 50 milisaniyenin altında uygulamak üzere tasarlandı. Musubi, maliyet ve hız bakımından modelin çoğu sosyal platformda denetim için kullanılan yapay zekâ sınıflandırma sistemlerine benzer olmasının hedeflendiğini belirtiyor. Şirkete göre model, karmaşık politikaları özel eğitim almadan uygulayabiliyor ve politika değiştiğinde yeniden eğitilmesi gerekmiyor.

Musubi'nin kurucu ortağı ve baş yapay zekâ sorumlusu Filip Jankovic, içerik miktarı artarken modelin platform yöneticilerinin içerikleri proaktif biçimde etiketlemesine yardımcı olabileceğini söyledi. Ölçeklenebilir ve özelleştirilebilir etiketlemenin ürün ekipleri için yararlı olduğunu belirtti.

Karar modelleri, Typesafe AI'ın eylülde Jev'i yayımlamasından ve ardından OpenAI ile Amazon'ın rakip modeller çıkarmasından bu yana yapay zekâ dünyasında ilgi görüyor. Metin üreten modellerden farklı olarak karar modelleri sonuç olasılıkları üretir. PolicyLM-1.7B ise ikili bir yargı verir: İçeriğin belirli bir kategoriye girip girmediği. Önceden belirlenmiş çıktılar, bu modellerin dönüştürücü mimarisinin esnekliğini korurken büyük dil modellerinden daha hızlı ve düşük maliyetle çalışmasını sağlayabilir.

Jankovic, bu yaklaşıma ilgisinin Jev'den önce başladığını ve aynı tekniklerin çoğunu kullanan 2024 tarihli GLiNER projesine dayandığını söyledi. Musubi'nin ürün duyurusu, PolicyLM-1.7B'yi Jev ile aynı türde, özellikle içerik denetimi için eğitilmiş ve kullanıcıların kendi başına çalıştırabileceği bir model olarak tanımlıyor.