Come Uniopen ha personalizzato Amazon Nova per le policy di moderazione retail
aws ·
Uniopen, una piattaforma digitale del gruppo Uni-President Enterprises Group di Taiwan, ha personalizzato Amazon Nova 2 Lite per conformarsi a specifiche politiche di moderazione retail che coinvolgono nove categorie di comportamento e tre tipi di soggetto. Il team ha utilizzato il fine-tuning supervisionato con Low-Rank Adaptation su Amazon SageMaker AI per colmare il divario tra le capacità generali del modello e la tassonomia aziendale unica. Questa personalizzazione ha migliorato significativamente le prestazioni, portando il punteggio Macro F1 per Comportamento da 0,5852 a 0,8364 e il punteggio Macro F1 per Tipo di Soggetto da 0,4162 a 0,8302. Dopo il fine-tuning, il team ha applicato un'ottimizzazione a livello di prompt per semplificare i formati di output, aumentando ulteriormente entrambe le metriche oltre gli obiettivi di produzione rispettivamente di 0,8500 e 0,8200. L'architettura di distribuzione separa le richieste di moderazione principali, gestite da Amazon Nova 2 Lite, dai flussi di lavoro di correzione supportati da Amazon Nova 2 Pro. I revisori umani devono verificare tutte le correzioni candidate prima che entrino nel set di addestramento, assicurando che le etichette generate non vengano considerate come verità assoluta. Gate automatizzati rigidi e flessibili all'interno di una pipeline Argo Workflows impediscono la promozione se si rilevano cali di qualità o avvisi. Questo approccio consente di automatizzare la moderazione di routine, riservando il controllo umano ai casi ambigui, mantenendo controlli responsabili sull'IA durante tutto il processo.
aws