Musubi PolicyLM-1.7B يستخدم سياسة محتوى مكتوبة بالإنجليزية البسيطة في أقل من 50 مللي ثانية

Musubi تطرح PolicyLM-1.7B للرقابة في الوقت الفعلي

طرحت Musubi يوم الثلاثاء PolicyLM-1.7B، وهو نموذج خفيف مفتوح الوزن لرقابة المحتوى في الوقت الفعلي. يستخدم سياسة مكتوبة بالإنجليزية البسيطة على الرسائل في أقل من 50 مللي ثانية. وتقول الشركة إن السرعة والتكلفة مماثلة لأنظمة مصنفات AI التي توفر الرقابة على معظم المنصات الاجتماعية.

ونظراً لأن PolicyLM-1.7B يتمتع بمرونة النماذج اللغوية الكبيرة المعاصرة، تقول Musubi إنه يستخدم السياسات المعقدة دون تدريب خاص. والأهم من ذلك، لا يتطلب تغيير السياسة تدريباً جديداً، مما يتيح لواضعي السياسات مراجعة وتحسين السياسات عدة مرات حسب الحاجة.

تقييم ثنائي بدلاً من النص

أصبحت نماذج القرار موضوعاً ساخناً في عالم AI في سبتمبر بعد إطلاق TypeSafe AI لنموذج Jev، سرعان ما تبعه نموذجا OpenAI وAmazon المنافسان. يصدر نموذج القرار احتمالات النتيجة بدلاً من النص. وفي هذه الحالة يقدم تقييماً ثنائياً: إما أن المحتوى ضمن الفئة أو لا.

تعمل نماذج القرار بشكل أسرع وأرخص من النماذج اللغوية الكبيرة عند تقييدها بخيارات محددة مسبقاً، وتحافظ على مرونة بنية المحول (Transformer). كان الاستخدام المبكر هو منع السلوك غير اللائق لوكلاء AI، وتؤكد Musubi أن نفس التقنية تعالج بشكل طبيعي السلوك السيئ للبشر أيضاً.

مصمم لفرق المنصات

يقول المؤسس المشارك والمدير الرئيسي لـ AI في Musubi، Filip Jankovic، إن المنتج يتيح لمديري المنصات الإشارة إلى المحتوى بشكل استباقي. ويقول Jankovic: "فرق المنتجات تحتاج ببساطة إلى فهم أفضل لما يحدث على منصاتها، خاصة مع نمو حجم المحتوى بشكل أسي. إن الإشارة القابلة للتطوير والتكوين لكل هذا مفيدة للغاية".

يقول Jankovic إن اهتمامه بنماذج القرار بدأ مبكراً مع Jev ووصل إلى مشروع في 2024 يُسمى GLiNER، وهو اختصار لنموذج التعرف على الكيانات المسماة المعمم ويستخدم نفس التقنيات. يطرح إعلان المنتج النموذج الجديد كبديل موجه نحو الرقابة لنماذج القرار العامة التي تجذب اهتمام الصناعة حالياً: "إذا لفت Jev انتباهك، فإن PolicyLM-1.7B هو من نفس النوع من النماذج، مدرب خصيصاً لرقابة المحتوى، ويمكنك نشره بنفسك".

المصادر: Techcrunch