Musubi تطلق PolicyLM-1.7B لأتمتة الرقابة على المحتوى
النموذج خفيف الوزن يطبّق سياسات مكتوبة بالإنكليزية على الرسائل في أقل من 50 ميلي ثانية ويُطرح بأوزان مفتوحة.
أعلنت Musubi عن PolicyLM-1.7B، وهو نموذج قرار خفيف الوزن للرقابة على المحتوى في الوقت الفعلي، وطرحته بأوزان مفتوحة. وقالت الشركة إن النموذج يطبّق سياسة محتوى مكتوبة بالإنكليزية على الرسائل في أقل من 50 ميلي ثانية.
ووفقاً لما أوردته techcrunch.com، صُمّم النموذج ليكون مماثلاً في التكلفة والسرعة لأنظمة التصنيف بالذكاء الاصطناعي التي تشغّل الرقابة على معظم منصات التواصل. ويستطيع PolicyLM-1.7B تطبيق سياسات معقّدة من دون تدريب خاص، ولا يحتاج إلى تدريب جديد عند تغيّر السياسة.
ويصدر النموذج حكماً ثنائياً (binary) حول ما إذا كان المحتوى يندرج في فئة معيّنة أم لا. وقال Filip Jankovic، الشريك المؤسس والمسؤول التنفيذي للذكاء الاصطناعي في Musubi، إن PolicyLM-1.7B يمنح مديري المنصات وسيلة لتصنيف المحتوى بشكل استباقي.
سياق سابق
يأتي هذا الإعلان بعد أن كانت Typesafe AI قد أطلقت نموذج القرار Jev في سبتمبر 2026، وأطلقت OpenAI وAmazon نماذج قرار منافسة بعد ذلك بوقت قصير. ويعود اهتمام Jankovic بنماذج القرار إلى مشروع عام 2024 حمل اسم GLiNER.
أسئلة سريعة
ما هو PolicyLM-1.7B؟
نموذج قرار خفيف الوزن للرقابة على المحتوى في الوقت الفعلي، أعلنت عنه Musubi وطرحته بأوزان مفتوحة.
ما سرعة PolicyLM-1.7B في تطبيق السياسات؟
يطبّق سياسة محتوى مكتوبة بالإنكليزية على الرسائل في أقل من 50 ميلي ثانية.
هل يحتاج PolicyLM-1.7B إلى تدريب جديد عند تغيّر السياسة؟
لا، فهو يطبّق سياسات معقّدة من دون تدريب خاص ولا يحتاج إلى تدريب جديد عند تغيّر السياسة.