Musubi-ს PolicyLM-1.7B უბრალო ინგლისურად დაწერილ კონტენტის პოლიტიკას 50 მილიწამზე ნაკლებ დროში იყენებს

Musubi-მ PolicyLM-1.7B რეალურ დროში მოდერაციისთვის წარადგინა

Musubi-მ სამშაბათს წარადგინა PolicyLM-1.7B, ღია წონების მსუბუქი მოდელი რეალურ დროში კონტენტის მოდერაციისთვის. ის უბრალო ინგლისურად დაწერილ პოლიტიკას შეტყობინებებზე 50 მილიწამზე ნაკლებ დროში იყენებს. კომპანიის თქმით, სიჩქარე და ხარჯები მსგავსია იმ AI კლასიფიკატორების სისტემებისა, რომლებიც სოციალური პლატფორმების უმეტესობაზე მოდერაციას უზრუნველყოფს.

რადგან PolicyLM-1.7B-ს თანამედროვე დიდი ენობრივი მოდელის მოქნილობა აქვს, Musubi-ს თქმით, ის რთულ პოლიტიკებს სპეციალური წვრთნის გარეშე იყენებს. უფრო მთავარია, პოლიტიკის შეცვლისას ახალი წვრთნა არ სჭირდება, რაც პოლიტიკის დამდგენ ადამიანებს საშუალებას აძლევს, საჭიროებისამებრ ბევრჯერ გადახედონ და დახვეწონ.

ტექსტის ნაცვლად ორობითი შეფასება

გადაწყვეტილების მოდელები AI-ის სამყაროში ცხელი თემა გახდა სექტემბერში TypeSafe AI-ის Jev-ის გამოსვლის შემდეგ, რასაც მალევე მოჰყვა OpenAI-სა და Amazon-ის კონკურენტი მოდელები. გადაწყვეტილების მოდელი ტექსტის ნაცვლად შედეგის ალბათობებს გამოსცემს. ამ შემთხვევაში ის ორობით შეფასებას იძლევა: კონტენტი ან კატეგორიაშია, ან არა.

მოდელის გამოსავლის წინასწარ განსაზღვრულ არჩევანებამდე შეზღუდვით გადაწყვეტილების მოდელები უფრო სწრაფად და იაფად მუშაობენ, ვიდრე დიდი ენობრივი მოდელები, და ინარჩუნებენ ტრანსფორმერის არქიტექტურის მოქნილობას. ადრეული გამოყენება AI აგენტების არასათანადო ქცევის შეკავება იყო, და Musubi-მ ამტკიცებს, რომ იგივე ტექნოლოგია ბუნებრივად ეხება ადამიანების ცუდ ქცევასაც.

პლატფორმის გუნდებისთვის შექმნილი

Musubi-ს თანადამფუძნებელი და AI-ის მთავარი ოფიცერი Filip Jankovic ამბობს, რომ პროდუქტი პლატფორმის მენეჯერებს კონტენტის პროაქტიულად მონიშვნის საშუალებას აძლევს. „პროდუქტის გუნდებს უბრალოდ უნდათ, უკეთ გაიგონ, რა ხდება მათ პლატფორმაზე, მით უმეტეს, რომ კონტენტის რაოდენობა ექსპონენციალურად იზრდება“, ამბობს Jankovic. „ამ ყველაფრის მასშტაბირებადი და კონფიგურირებადი მონიშვნა უკიდურესად სასარგებლოა.“

Jankovic ამბობს, რომ გადაწყვეტილების მოდელებით დაინტერესება Jev-ზე ადრე დაიწყო და 2024 წლის პროექტამდე მიდის, სახელწოდებით GLiNER, რაც სახელდარქმეული ერთეულების ამოცნობის ზოგადი მოდელის შემოკლებაა და იმავე ტექნიკებს იყენებდა. პროდუქტის ანონსი ახალ მოდელს მოდერაციაზე ორიენტირებულ ალტერნატივად წარმოაჩენს ზოგადი გადაწყვეტილების მოდელებისთვის, რომლებიც ახლა ინდუსტრიის ყურადღებას იპყრობენ: „თუ Jev-მა თქვენი ყურადღება მიიპყრო, PolicyLM-1.7B-ი იმავე ტიპის მოდელია, სპეციალურად კონტენტის მოდერაციისთვის გაწვრთნილი, რომლის გაშვებაც თავად შეგიძლიათ.“

წყაროები: Techcrunch