Musubi-ի PolicyLM-1.7B պարզ անգլերեն գրված բովանդակության քաղաքականությունը օգտագործում է 50 միլիվայրկյանից պակաս ժամանակում

Musubi-ն ներկայացրել է PolicyLM-1.7B՝ իրական ժամանակում մոդերացիայի համար

Musubi-ն չորեքշաբթի ներկայացրել է PolicyLM-1.7B՝ բաց կշերով թեթև մոդել՝ իրական ժամանակում բովանդակության մոդերացիայի համար։ Այն պարզ անգլերեն գրված քաղաքականությունը օգտագործում է հաղորդագրությունների համար 50 միլիվայրկյանից պակաս ժամանակում։ Ընկերության խոսքով՝ արագությունն ու ծախսերը նման են այն AI դասակարգիչների համակարգերին, որոնք ապահովում են մոդերացիա սոցիալական պլատֆորմների մեծամասնության համար։

Քանի որ PolicyLM-1.7B-ն ունի ժամանակակից մեծ լեզվական մոդելի ճկունությունը, Musubi-ն հավաստի է, որ այն օգտագործում է բարդ քաղաքականություններ՝ առանց հատուկ վերապատրաստման։ Ավելի կարևոր է, որ քաղաքականությունը փոխելիս նոր վերապատրաստում չի պահանջվում, ինչը քաղաքականություն մշակող մարդկանց հնարավորություն է տալիս ըստ անհրաժեշտության բազմաթիվ անգամ վերանայել և կատարելագործել։

Տեքստի փոխարեն երկուական գնահատում

Որոշման մոդելները AI-ի աշխարհում թերթ դարձան սեպտեմբերում՝ TypeSafe AI-ի Jev-ի թողարկումից հետո, որին շուտով հետևեցին OpenAI-ի և Amazon-ի մրցակից մոդելները։ Որոշման մոդելը տեքստի փոխարեն տալիս է արդյունքի հավանականություններ։ Այս դեպքում այն երկուական գնահատում է տալիս՝ բովանդակությունը կատեգորիայում է, թե ոչ։

Մոդելի արտադրության նախապես սահմանված ընտրանքներով սահմանափակելով՝ որոշման մոդելները ավելի արագ և էժան են աշխատում, քան մեծ լեզվական մոդելները, և պահպանում են տրանսֆորմերի ճարտարագիտության ճկունությունը։ Վաղ կիրառությունը AI ագենտների անտեղի վարքագծի կանգնեցնելն էր, և Musubi-ն հաստատում է, որ նույն տեխնոլոգիան բնականաբար վերաբերվում է նաև մարդկանց վատ վարքագծին։

Ստեղծված պլատֆորմի թիմերի համար

Musubi-ի համահիմնադիր և AI գլխավոր պատվորդիչը Filip Jankovic-ը հայտնում է, որ արտադրանքը պլատֆորմի մենեջերներին հնարավորություն է տալիս պրակտիկորեն նշել բովանդակությունը։ «Արտադրանքի թիմերը պարզապես ուզում են ավելի լավ հասկանալ, ինչ է տեղի ունենում իրենց պլատֆորմում, առավելամենայում՝ երբ բովանդակության քանակը էքսպոնենցիալաբար աճում է», — ասում է Jankovic-ը։ «Այս ամենի մասշտաբային և կազմաձևելի նշումը կարևորագույնորեն օգտակար է»։

Jankovic-ը ասում է, որ հետաքրքրվել է որոշման մոդելներով Jev-ի հետ ավելի վաղ և հասել է 2024 թվականի նախագծին՝ անվանական GLiNER, որը անվանված միավորների ճանաչման ընդհանուր մոդելի կրճատումն է և օգտագործել է նույն տեխնիկաները։ Արտադրանքի հայտարարությունը նոր մոդելը ներկայացնում է որպես մոդերացիայի վրա ուղղված այլընտրանք ընդհանուր որոշման մոդելների համար, որոնք հիմա գրավում են ոլորտի ուշադրությունը. «Եթե Jev-ը գրավել է ձեր ուշադրությունը, ապա PolicyLM-1.7B-ն նույն տեսակի մոդել է՝ հատուկորեն մշակված բովանդակության մոդերացիայի համար, որը կարող եք թողարկել ինքներդ»։

Աղբյուրներ: Techcrunch