Mengubah kebijakan moderasi konten biasanya berarti melatih ulang model. PolicyLM-1.7B dari Musubi mengambil pendekatan lain: kebijakan ditulis langsung dalam bahasa Inggris, diterapkan pada pesan, lalu dalam waktu 50 milidetik memberikan keputusan biner tentang apakah pesan tersebut termasuk dalam kategori itu. Bobot modelnya bersifat sumber terbuka.
Keunggulan kecepatannya berasal dari keluaran yang lebih terbatas: model tidak menghasilkan teks, hanya menentukan apakah pesan cocok dengan kategori. Tanpa perlu menghasilkan teks kata demi kata, kecepatan dan biayanya bisa mendekati pengklasifikasi tradisional. Perubahan kebijakan juga tidak memerlukan pelatihan ulang, sehingga pembaruan aturan moderasi tak lagi terhambat oleh langkah tersebut.
Keunggulan kecepatannya berasal dari keluaran yang lebih terbatas: model tidak menghasilkan teks, hanya menentukan apakah pesan cocok dengan kategori. Tanpa perlu menghasilkan teks kata demi kata, kecepatan dan biayanya bisa mendekati pengklasifikasi tradisional. Perubahan kebijakan juga tidak memerlukan pelatihan ulang, sehingga pembaruan aturan moderasi tak lagi terhambat oleh langkah tersebut.