随着决策模型在行业中的广泛应用，一家名为Musubi的公司提出了一个全新的想法：利用决策模型进行内容审核。Musubi于周二发布了一款轻量级的实时内容审核决策模型，名为PolicyLM-1.7B，并开放了模型权重。

该模型的核心理念是将用简单英文编写的内容政策，应用于消息审核中，响应时间控制在50毫秒以内。Musubi设计的这款模型在成本和速度上与大多数社交平台使用的AI分类系统相当，但由于具备现代大型语言模型（LLM）的灵活性，它能够无需专门训练就执行复杂的政策判断。更重要的是，当内容政策发生变化时，模型无需重新训练，允许人工政策制定者根据需要不断调整和迭代。

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一种主动标记内容的方式。

“产品团队希望更好地了解平台上的内容动态，尤其是在内容量呈指数增长的情况下，”Jankovic表示，“能够以高度可扩展且可定制的方式标记所有内容，极具实用价值。”

自从2026年9月TypeSafe AI发布决策模型Jev以来，决策模型成为AI领域的热门话题，随后OpenAI和亚马逊也推出了类似的决策模型。与传统输出文本的模型不同，决策模型输出的是结果概率，在此案例中则是二元判断：内容是否符合某一类别。通过限制模型输出为预设选项，决策模型能够比大型语言模型运行得更快、更经济，同时仍保持变换器架构的灵活性。

决策模型的一个早期应用是控制AI代理的异常行为，因此将同样的技术应用于人类不当行为的管理也顺理成章。

值得一提的是，Jankovic表示他对决策模型的兴趣早于Jev，最早可追溯到2024年的GLiNER项目（通用命名实体识别模型），该项目采用了许多相同的技术。

Musubi并不回避与其他决策模型的比较。相反，公司希望借助当前对决策模型的关注，进一步推动内容审核领域的发展。产品发布声明中写道：“如果Jev引起了你的关注，PolicyLM-1.7B就是一款专门为内容审核训练的同类模型，你可以自行运行。”