この投稿では、Amazon Nova Customizable Content Moderation Settings (CCMS) の背後にある新しいアンラーニング技術である Reverse Direct Preference Optimization (rDPO) を紹介し、それがどのように過偏向を低減するかを示します。
新しいモデルは、機能と価格パフォーマンスの最前線をリセットします。チームは、ローンチによって 1 ドルあたりの可能性が変わるたびに、何を構築するかを再評価します。
概要は情報提供のみを目的としてまとめられています。全文についてはソース リンクを参照してください。デモのエントリは一例です。