uniopen 借 Amazon Nova 定制零售内容审核策略并投入生产

核心事实

据 AWS 机器学习博客介绍，由统一企业集团推出的数字沟通与会员平台 uniopen，将其零售内容审核策略适配到 Amazon Nova 模型上，并完成生产部署。uniopen 的审核策略沿两个维度分类每次交互：一是行为类别（共九类），二是行为所指对象（品牌、其他或禁止）。两者都判断正确，审核结论才有用。

该团队使用 Amazon SageMaker AI 对 Amazon Nova 2 Lite 进行监督微调，并采用低秩适配（LoRA），最后再做一轮提示层面的输出优化。博客称，微调带来了最大幅度的性能提升：Per Behavior Macro F1 从 0.5852 升至 0.8364，Subject Type Macro F1 从 0.4162 升至 0.8302。评估在同一个包含 737 个对话窗口的留出测试集上进行，微调数据集包含 3391 个训练窗口。

背景与影响

架构上，生产审核路径与纠错、训练、评估、部署相互分离：Amazon Nova 2 Lite 处理主要审核请求，Amazon Nova 2 Pro 支持候选纠错生成，但每条纠错须经人工复核后才能进入训练集。Amazon S3 存放已核验的纠错集与训练数据，Amazon DynamoDB 跟踪当前与候选模型配置，Argo Workflows 与 Argo CD 负责编排和上线，Amazon SNS 与 Amazon CloudWatch 负责告警。博客还提到，硬门禁为必须通过的回归测试，软门禁为低置信度或特定类别性能下降等预警信号；触发软门禁的候选需管理员复核批准后才能部署。

限制与来源

上述内容来自 AWS 官方博客，属于厂商自述的客户案例，文中数据未经独立验证。博客同时说明，模型可用性因 AWS 区域而异，具体可参见 Amazon Bedrock 的“Supported models by AWS Region”页面；功能、区域支持与计费方式请以 AWS 官网当前信息为准。