الإشراف على المحتوى والكشف عن السمّية لمنصة ألعاب
احتاجت منصة ألعاب إلى أمثلة موسومة من الدردشة السامة وغير السامة داخل اللعبة لتدريب نموذج الإشراف لديها على رصد المضايقة واللغة المسيئة دون الإفراط في تصنيف المزاح التنافسي العادي.
Client snapshot
| Industry | الألعاب عبر الإنترنت والترفيه التفاعلي |
|---|---|
| Region | عالمي، مع مطابقة المساهمين للغات اللاعبين الرئيسية في المنصة |
| Engagement type | وسم السمّية والمضايقة للإشراف على الدردشة داخل اللعبة |
The challenge
واجه نموذج الإشراف الحالي لدى العميل صعوبة في التمييز بين اللغة الضارة فعلًا والعامية والمزاح في الألعاب التنافسية، ما أنتج مضايقات فائتة وإنذارات كاذبة أحبطت اللاعبين.
The approach
عيّنت Jwuma مُوسِّمين ملمّين بأعراف لغة مجتمعات الألعاب لوسم أمثلة الدردشة وفق تصنيف تفصيلي للسمّية يميز المضايقة الحقيقية عن المزاح التنافسي، مع تصعيد الأمثلة المتنازع عليها أو الحدّية عبر مستوى مراجعة.
Results
أظهر نموذج الإشراف المعاد تدريبه لدى العميل تحسنًا في الفصل بين المضايقة الحقيقية والدردشة التنافسية العادية، ما قلل المخالفات الفائتة والإنذارات الكاذبة بحق اللاعبين في مجموعة التقييم لديه.
Frequently asked questions
لماذا يصعب الإشراف على دردشة الألعاب أكثر من الإشراف العام على المحتوى؟
لأن مجتمعات الألعاب التنافسية تستخدم لغة حادة وعامية قد تشبه المضايقة خارج سياقها، ما يتطلب مُوسِّمين ملمّين بهذه الأعراف ليوسموا بدقة.
كيف تقلل Jwuma الإنذارات الكاذبة في بيانات تدريب الكشف عن السمّية؟
باستخدام تصنيف تفصيلي يميز صراحةً المضايقة الحقيقية عن المزاح التنافسي، مع تصعيد الحالات الغامضة إلى مستوى مراجعة بدلًا من التصنيف الافتراضي كمخالفة.
هل يمكن لهذا النهج تغطية ألعاب أو لغات متعددة؟
نعم، شريطة مطابقة المُوسِّمين مع أعراف مجتمع اللعبة المحددة واللغات المستهدفة لكل عنوان.
Related case studies
بيانات التحقق من الوجه والهوية لمنصة تنقّل عالمية
احتاجت منصة عالمية للتنقل وطلب السيارات إلى بيانات وجه وهوية موثَّقة في مناطق متعددة لتعزيز نظام التحقق من سلامة السائقين والركاب، في ظل متطلبات صارمة للموافقة ومعالجة البيانات البيومترية.
جمع بيانات الفيديو ذاتي المنظور (egocentric) لبرنامج ذكاء اصطناعي للروبوتات
احتاجت شركة ذكاء اصطناعي للروبوتات إلى فيديو من منظور الشخص الأول لبشر يؤدون مهامًا مادية يومية، يُلتقط باتساق عبر بيئات وأنواع أجسام متنوعة، لتدريب نموذج ذكاء اصطناعي مجسَّد على التعميم بما يتجاوز بيئة مختبر واحدة.
تقييم RLHF لنموذج ذكاء اصطناعي محادثي
احتاجت شركة ذكاء اصطناعي محادثي إلى مسار تقييم بشري منظّم وقابل للتوسع لتقدير جودة ردود روبوت الدردشة في عملية الضبط الدقيق بـ RLHF، بعد أن أنتجت مجموعة المقيّمين العشوائية لديها درجات غير متسقة.
Published 2026-10-02 by Jwuma, operated by Corpshore AI. This case study is an anonymized composite representative of the kind of work Jwuma performs in this industry, described by industry, region and engagement type rather than by company name, since this engagement is not yet cleared for public naming. Discuss a similar program at client.corpshore.ai.