随着决策模型在行业内的普及，Musubi周二宣布推出专为实时内容审核设计的轻量级决策模型PolicyLM-1.7B，并以开放权重形式发布。
该模型的核心优势在于效率与灵活性：它将用自然语言撰写的内容政策应用于消息审核，单次耗时不到50毫秒。Musubi旨在使该模型在成本和速度上媲美主流社交平台的AI分类系统，同时凭借大语言模型的灵活性，无需特殊训练即可执行复杂策略。当审核政策变更时，模型无需重新训练，允许人工制定者自由迭代。
主动标注与可扩展性
Musubi联合创始人兼首席人工智能官Filip Jankovic指出，这为平台管理者提供了一种主动标注内容的方式。“产品团队希望更好地了解平台上正在发生的事情，尤其是面对内容量的指数级增长，”Jankovic表示，“能够以高度可扩展且可定制的方式对所有内容进行标注，具有极高的实用价值。”
借势决策模型热潮
自今年9月Typesafe AI发布Jev以来，决策模型成为AI领域热点，OpenAI和亚马逊也相继推出竞品。与传统生成式模型不同，决策模型输出结果概率，在此案例中表现为二元判断（即内容是否属于某类别）。通过将输出限制在预定范围内，决策模型在保持Transformer架构灵活性的同时，运行速度更快、成本更低。
尽管早期应用多集中于约束AI代理行为，但将其用于识别人类不当行为顺理成章。Jankovic透露，他对决策模型的兴趣早于Jev，可追溯至2024年的GLiNER（通用命名实体识别模型）项目，后者部署了类似技术。
Musubi并不回避与Jev的比较，反而急于利用业界对决策模型的关注来凸显内容审核的重要性。其在公告中直言：“如果Jev引起了你的注意，PolicyLM-1.7B是同类型模型，专为内容审核而训练，你可以自行运行。”