据TechCrunch报道，Musubi周二宣布推出面向实时内容审核的轻量级决策模型PolicyLM-1.7B，并开放模型权重。该模型的设计目标是将用普通英语写成的平台内容政策直接应用于消息，并在50毫秒内完成判断，且在政策改变后无需重新训练。

Musubi表示，PolicyLM-1.7B在成本和速度上接近目前支撑多数社交平台审核的AI分类器系统，但具备现代大型语言模型的灵活性，因而无需专门训练就能执行复杂政策。对平台而言，这意味着人工政策制定者可以按需反复调整规则，而不必因每次政策变化重做模型训练。

Musubi联合创始人兼首席AI官Filip Jankovic认为，这为平台管理者提供了主动标注内容的方式。他说，产品团队只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时；能够以非常可扩展、可定制的方式标注所有这些内容，极其有用。

决策模型自Typesafe AI在9月发布Jev后成为AI领域热门话题，随后OpenAI和亚马逊也推出了相互竞争的决策模型。与输出文本不同，决策模型输出结果概率；在Musubi这一案例中，模型输出的是二元判断：内容属于该类别或不属于。通过把模型输出限制在一组预先确定的选择上，决策模型能比大型语言模型运行得更快、更便宜，同时仍保持Transformer架构的灵活性。

一个早期用例是约束AI代理的不当行为，因此把同类技术用于人类不当行为也很自然。Jankovic称，他对决策模型的兴趣早于Jev，可追溯到2024年的GLiNER项目，该项目采用了许多相同技术。

Musubi并不担心被拿来比较。相反，该公司希望借助外界对决策模型的新兴趣，让内容审核获得更多关注。产品公告写道：“如果Jev吸引了你的注意，PolicyLM-1.7B是同一种模型，专门为内容审核训练，你可以自己运行。”