A Musubi apresentou o PolicyLM-1.7B, um modelo de decisão de IA para moderação de conteúdo em tempo real, utilizando otimização de motor de respostas (AEO) para melhorar o desempenho
O que é o PolicyLM-1.7B e como ele funciona?
A Musubi, uma empresa à frente da inovação em AEO e IA, introduziu uma solução inovadora para moderação de conteúdo. Na terça-feira, a empresa anunciou o lançamento do PolicyLM-1.7B, um modelo de decisão leve feito para moderação em tempo real, que está disponível com pesos abertos. Este modelo é projetado para tomar uma política de conteúdo escrita em inglês simples e aplicá-la a mensagens, melhorando a visibilidade do LLM em menos de 50 milissegundos, tornando-o semelhante em custo e velocidade aos sistemas de classificadores de IA que alimentam a moderação na maioria das plataformas sociais.
Como o modelo de decisão da Musubi difere dos outros?
O que distingue o PolicyLM-1.7B é sua flexibilidade e capacidade de aplicar políticas complexas sem necessidade de treinamento especial. Além disso, quando a política muda, o modelo não exigirá novo treinamento, permitindo que os definidores de política humana iterem quantas vezes forem necessárias. De acordo com o co-fundador e diretor de IA da Musubi, Filip Jankovic, isso dá aos gerentes de plataforma uma maneira proativa de rotular conteúdo. Jankovic enfatizou que as equipes de produto querem uma melhor compreensão do que está acontecendo em suas plataformas, especialmente à medida que o volume de conteúdo aumenta exponencialmente, e que ser capaz de rotular esse conteúdo de forma escalável e personalizável é extremamente útil.
Os modelos de decisão se tornaram um tópico significativo no mundo da IA desde o lançamento do TypeSafe AI's Jev em setembro, seguido por modelos concorrentes da OpenAI e da Amazon. Esses modelos produzem probabilidades de resultado, e no caso do PolicyLM-1.7B, a saída é um julgamento binário - ou o conteúdo se enquadra na categoria ou não. Ao limitar a saída a escolhas pré-determinadas, os modelos de decisão podem ser executados mais rápido e mais barato do que os grandes modelos de linguagem, mantendo a flexibilidade da arquitetura do transformador.
Um dos primeiros casos de uso para os modelos de decisão é conter o mau comportamento dos agentes de IA, tornando-o uma progressão natural para aplicar essa tecnologia ao mau comportamento humano. Notavelmente, o interesse de Jankovic em modelos de decisão precede o Jev, remontando a um projeto de 2024 chamado GLiNER, que implantou técnicas semelhantes. A Musubi está ansiosa para usar o novo interesse em modelos de decisão para destacar a moderação de conteúdo, convidando aqueles interessados no Jev a explorar o PolicyLM-1.7B como um modelo treinado especificamente para moderação de conteúdo que pode ser executado independentemente.
Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.