موسوبی از مدل تصمیم‌گیری PolicyLM-1.7B برای تعدیل محتوا در زمان واقعی رونمایی کرد

استارتاپ هوش مصنوعی موسوبی از PolicyLM-1.7B رونمایی کرد؛ یک مدل تصمیم‌گیری با وزن‌های باز که به‌طور خاص برای تعدیل خودکار و بلادرنگ محتوا طراحی شده است. این سیستم سبک، دستورالعمل‌های سیاستی به زبان انگلیسی ساده را تفسیر کرده و ارتباطات دیجیتال ورودی را در کمتر از ۵۰ میلی‌ثانیه ارزیابی می‌کند. برخلاف سیستم‌های زبانی مولد، این مدل تأخیر کم طبقه‌بندی‌کننده‌های سنتی را با انعطاف‌پذیری معماری مدل‌های ترنسفورمر مدرن ترکیب می‌کند.

موسوبی این مدل را برای ساده‌سازی اجرای قوانین بدون نیاز به چرخه‌های بازآموزی پرهزینه طراحی کرده است. فیلیپ یانکوویچ، هم‌بنیان‌گذار و مدیر ارشد هوش مصنوعی موسوبی، می‌گوید: «تیم‌های محصول به درک بهتری از اتفاقات پلتفرم خود نیاز دارند، به‌ویژه با افزایش نمایی حجم محتوا. قابلیت برچسب‌گذاری مقیاس‌پذیر و قابل تنظیم، بسیار کاربردی است.»

مدل‌های تصمیم‌گیری پس از عرضه Jev توسط TypeSafe AI در سپتامبر، در صنعت هوش مصنوعی محبوبیت یافته‌اند. برخلاف مدل‌های مولد، این مدل‌ها خروجی را به احتمالات یا تعیین‌های باینری محدود می‌کنند که باعث کاهش هزینه‌های محاسباتی و افزایش سرعت می‌شود.

در حالی که کاربرد اولیه این مدل‌ها محدود به کنترل عوامل هوش مصنوعی بود، شرکت‌ها اکنون از آن‌ها برای نظارت بر محتوای تولید شده توسط انسان استفاده می‌کنند. موسوبی با ارائه وزن‌های باز، به توسعه‌دهندگان سازمانی اجازه می‌دهد تا PolicyLM-1.7B را روی زیرساخت‌های خود اجرا کرده و استانداردهای پلتفرم را در برابر حجم عظیم محتوای آنلاین حفظ کنند.