开源 TechCrunch AI·原文 2026年10月7日

Musubi发布PolicyLM-1.7B：开源决策模型做实时内容审核

Musubi称该模型可在 50 毫秒内将自然语言写成的社区政策应用到消息上，无需针对新政策重新训练，并以开放权重发布。

AI解读：该模型的目标是把用自然语言写成的政策直接应用到消息上，成品判断在 50 毫秒内完成；Musubi称其速度与成本接近多数社交平台现用的AI分类器。

与固定类别的传统审核分类器不同，PolicyLM基于现代LLM的灵活性，能在不专门训练的情况下执行复杂政策，政策变更后也不需要重新训练。

Musubi联合创始人兼首席AI官Filip Jankovic表示，其目标是让平台管理者主动为内容打标，以应对快速增长的内容量。

决策模型近期受到关注，源于 9 月Typesafe AI的Jev发布，随后OpenAI和Amazon也推出竞品；Jankovic称其对决策模型的兴趣早于Jev，可追溯到 2024 年的GLiNER项目。

内容审核公司Musubi周二发布PolicyLM-1.7B，称这是一个为实时内容审核打造的轻量级决策模型，以开放权重形式发布。

据Musubi介绍，该模型接收用自然语言写成的政策，并将其应用到消息上，判断在 50 毫秒内完成。

PolicyLM-1.7B如何做审核

Musubi将PolicyLM-1.7B定位为与多数社交平台现用AI分类器在成本和速度上相近的系统，但依靠现代LLM的灵活性，可以执行复杂政策而不需要专门训练。

该模型输出的是二元判断：内容是否属于指定类别。这种把输出限制在预设选项内的做法，是决策模型比大型语言模型更快、更便宜的原因之一，同时保留transformer架构的灵活性。

Musubi称，政策发生变化时，模型无需重新训练，负责制定政策的人可以按需反复调整。

Musubi联合创始人兼首席AI官Filip Jankovic表示，该模型让平台管理者可以主动为内容打标。他说：“产品团队只是想更好地理解平台上正在发生什么，尤其是在内容量呈指数级增长的时候。能够以可扩展、可定制的方式给所有这些内容打标，非常有用。”

Jankovic称，他对决策模型的兴趣早于Jev，可追溯到 2024 年的GLiNER（通用命名实体识别模型）项目，该项目使用了许多同类技术。

在公告中，Musubi主动将自己与Jev对比：“如果Jev吸引了你的注意，PolicyLM-1.7B是同类模型，专门针对内容审核训练，你可以自己运行。”

决策模型在AI领域成为热门话题，始于 9 月Typesafe AI的Jev发布，随后OpenAI和Amazon也推出了竞争性决策模型。

决策模型不输出文本，而是输出结果概率；在内容审核这个用例中，输出被收窄为二元判断。

一个早期用例是约束AI智能体的不当行为，将同类技术用于人类不当行为被视为自然延伸。