Musubi Rilis PolicyLM-1.7B, Model Moderasi Konten 50 Milidetik

Telset.id – Musubi memperkenalkan PolicyLM-1.7B, model keputusan ringan yang dirancang untuk moderasi konten real-time dan dirilis dengan bobot terbuka. Model ini diklaim mampu menerapkan kebijakan konten berbahasa Inggris biasa ke pesan dalam waktu di bawah 50 milidetik, sebuah pendekatan yang menyasar kecepatan dan biaya serupa dengan sistem klasifier AI yang menjalankan moderasi di sebagian besar platform sosial.

Pengumuman ini disampaikan Musubi pada Selasa dan menjadi langkah terbaru perusahaan dalam memanfaatkan gelombang model keputusan yang tengah menjadi topik hangat di dunia AI. Model keputusan sendiri mulai mencuri perhatian sejak perilisan Jev dari TypeSafe AI pada September, yang tak lama diikuti oleh model keputusan pesaing dari OpenAI dan Amazon.

Berbeda dari model bahasa besar yang menghasilkan teks, model keputusan mengeluarkan probabilitas hasil. Dalam kasus PolicyLM-1.7B, keluarannya berupa penilaian biner: konten masuk dalam kategori tertentu atau tidak. Dengan membatasi keluaran model pada serangkaian pilihan yang telah ditentukan, model keputusan dapat berjalan lebih cepat dan lebih murah dibandingkan model bahasa besar, namun tetap mempertahankan fleksibilitas arsitektur transformer.

Fleksibilitas Kebijakan Tanpa Pelatihan Ulang

Keunggulan utama yang ditonjolkan Musubi adalah kemampuan model menerapkan kebijakan kompleks tanpa pelatihan khusus. PolicyLM-1.7B dirancang agar tidak memerlukan pelatihan baru ketika kebijakan berubah, sehingga para penyusun kebijakan manusia dapat melakukan iterasi sebanyak yang mereka butuhkan.

Co-founder sekaligus chief AI officer Musubi, Filip Jankovic, menilai pendekatan ini memberi para pengelola platform cara untuk melabeli konten secara proaktif. “Tim produk hanya ingin pemahaman yang lebih baik tentang apa yang terjadi di platform mereka, terutama karena jumlah konten meningkat secara eksponensial,” ujar Jankovic. “Mampu melabeli semua itu dengan cara yang sangat skalabel dan dapat dikustomisasi sangatlah berguna.”

Kemampuan melabeli konten dalam skala besar ini menjadi relevan di tengah meningkatnya volume konten yang harus diproses platform. Pendekatan model keputusan memungkinkan platform mengklasifikasikan konten berdasarkan kebijakan yang ditulis dalam bahasa Inggris biasa, tanpa perlu membangun ulang sistem setiap kali aturan berubah.

Dari AI Agent ke Moderasi Perilaku Manusia

Salah satu penggunaan awal model keputusan adalah mengekang perilaku buruk agen AI. Karena itu, menurut Musubi, wajar jika teknologi yang sama kemudian diterapkan pada perilaku manusia. Penerapan pada moderasi konten dinilai sebagai kelanjutan alami dari tren tersebut.

Jankovic menyebut minatnya pada model keputusan sudah ada sebelum Jev muncul. Ia menelusuri ketertarikan itu kembali ke sebuah proyek tahun 2024 bernama GLiNER (Generalist Model for Named Entity Recognition) yang menerapkan banyak teknik serupa. Musubi pun tidak khawatir dengan perbandingan terhadap Jev. Sebaliknya, perusahaan justru ingin memanfaatkan minat baru terhadap model keputusan untuk menyoroti isu moderasi konten.

“Jika Jev menarik perhatian Anda, PolicyLM-1.7B adalah jenis model yang sama, dilatih khusus untuk moderasi konten, yang dapat Anda jalankan sendiri,” demikian bunyi pengumuman produk tersebut. Pernyataan ini menegaskan posisi PolicyLM-1.7B sebagai alternatif yang dapat dijalankan sendiri oleh pengguna, bukan layanan tertutup.

Perkembangan model keputusan untuk moderasi ini juga bersinggungan dengan diskusi yang lebih luas soal kesiapan adopsi AI. Sejumlah pengamat dan pelaku industri masih mempertanyakan sejauh mana klaim kemampuan AI dapat diandalkan, seperti tergambar dalam sorotan terhadap kemampuan AI sejumlah bos perusahaan di Inggris.

Dengan bobot terbuka, PolicyLM-1.7B memberi kesempatan bagi pengembang dan pengelola platform untuk menguji sendiri performa model dalam menerapkan kebijakan konten mereka. Pendekatan ini berbeda dari sistem moderasi tertutup yang umumnya dijalankan platform sosial, karena pengguna dapat menjalankan model secara mandiri dan menyesuaikannya dengan kebutuhan masing-masing.

Model ini juga menegaskan arah pengembangan Musubi yang menempatkan model keputusan sebagai fondasi untuk tugas-tugas spesifik, bukan sekadar model bahasa serbaguna. Fokus pada moderasi konten menunjukkan bahwa kecepatan, biaya, dan kemampuan beradaptasi terhadap perubahan kebijakan menjadi prioritas utama dalam desain PolicyLM-1.7B.

Bagi platform yang menghadapi lonjakan volume konten, kemampuan melabeli konten secara proaktif dan skalabel menjadi nilai tambah tersendiri. PolicyLM-1.7B menawarkan jalur di mana kebijakan yang ditulis dalam bahasa Inggris biasa bisa langsung diterapkan ke pesan dalam hitungan milidetik, tanpa perlu pelatihan ulang setiap kali kebijakan diperbarui.

Perilisan dengan bobot terbuka ini juga memungkinkan komunitas pengembang memverifikasi klaim kecepatan dan biaya yang disampaikan Musubi. Dengan demikian, PolicyLM-1.7B tidak hanya menjadi alternatif teknis, tetapi juga bagian dari pergeseran menuju model keputusan yang lebih terbuka dan dapat diaudit oleh publik.

[ META_DESCRIPTION]
Musubi merilis PolicyLM-1.7B, model keputusan moderasi konten real-time dengan bobot terbuka yang mampu memproses pesan di bawah 50 milidetik.