게임 플랫폼을 위한 콘텐츠 검수와 유해성 탐지
한 게임 플랫폼은 검수 모델이 일반적인 경쟁 중의 농담까지 과도하게 표시하지 않으면서 괴롭힘과 욕설을 잡아내도록 학습시키기 위해, 유해한 게임 내 채팅과 그렇지 않은 채팅의 어노테이션된 예시가 필요했습니다.
Client snapshot
| Industry | 온라인 게임 및 인터랙티브 엔터테인먼트 |
|---|---|
| Region | 전 세계, 플랫폼의 주요 플레이어 언어에 맞춰 기여자 매칭 |
| Engagement type | 게임 내 채팅 검수를 위한 유해성 및 괴롭힘 어노테이션 |
The challenge
고객사의 기존 검수 모델은 진정으로 해로운 언어와 경쟁적인 게임 속어 및 농담을 구분하는 데 어려움을 겪었고, 놓친 괴롭힘과 플레이어를 불편하게 하는 오탐 표시가 모두 발생했습니다.
The approach
Jwuma는 게임 커뮤니티의 언어 관행에 익숙한 어노테이터를 배정하여, 진정한 괴롭힘과 경쟁적인 농담을 구분하는 상세한 유해성 분류 체계에 따라 채팅 예시에 라벨을 붙였으며, 이견이 있거나 경계에 있는 예시는 검토 단계를 통해 상향했습니다.
Results
고객사의 재학습된 검수 모델은 진정한 괴롭힘과 일반적인 경쟁 채팅의 구분이 개선되었고, 평가 세트에서 놓친 위반과 플레이어에 대한 오탐 표시가 모두 줄었습니다.
Frequently asked questions
게임 채팅 검수가 일반적인 콘텐츠 검수보다 어려운 이유는 무엇인가요?
경쟁적인 게임 커뮤니티는 맥락을 벗어나면 괴롭힘처럼 보일 수 있는 공격적인 언어와 속어를 사용하므로, 정확하게 라벨링하려면 그런 관행에 익숙한 어노테이터가 필요하기 때문입니다.
Jwuma는 유해성 탐지 학습 데이터의 오탐을 어떻게 줄이나요?
진정한 괴롭힘과 경쟁적인 농담을 명시적으로 구분하는 상세한 분류 체계를 사용하고, 모호한 사례는 기본적으로 표시하지 않고 검토 단계로 상향합니다.
이 접근 방식으로 여러 게임 타이틀이나 언어를 다룰 수 있나요?
예. 각 타이틀마다 해당 게임의 커뮤니티 관행과 대상 언어에 맞춰 어노테이터를 배정하는 경우에 가능합니다.
Related case studies
글로벌 모빌리티 플랫폼을 위한 안면 및 신원 인증 데이터
한 글로벌 모빌리티 및 차량 호출 플랫폼은 엄격한 동의 및 생체 정보 처리 요건 아래에서 운전자와 승객의 안전 인증 시스템을 강화하기 위해, 여러 지역에 걸쳐 검증된 안면 및 신원 데이터가 필요했습니다.
로보틱스 AI 프로그램을 위한 에고센트릭 비디오 데이터 수집
한 로보틱스 AI 기업은 임바디드 AI 모델이 단일 실험실 환경을 넘어 일반화되도록 학습시키기 위해, 다양한 환경과 체형에 걸쳐 일관되게 촬영된, 사람이 일상적인 신체 작업을 수행하는 1인칭 비디오가 필요했습니다.
대화형 AI 모델을 위한 RLHF 평가
한 대화형 AI 기업은 기존의 임시 평가자 풀이 일관되지 않은 채점을 낳은 후, RLHF 미세 조정 과정에서 챗봇 응답 품질을 평가할 구조화되고 확장 가능한 사람 평가 파이프라인이 필요했습니다.
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.