場景描述
注重玩家體驗，是《MLBB》的基本原則。例如在開拓東南亞業(yè)務的過程中，沐瞳發(fā)現(xiàn)由于東南亞國家數(shù)量眾多，且各地的互聯(lián)網(wǎng)基建水平參差不齊，本地化工作面臨嚴峻的挑戰(zhàn)。
為此，沐瞳沒有選擇使用統(tǒng)一的語言包，而是為包含眾多小語種國家在內(nèi)的每個國家，分別制作了各自的語言包。這一策略使得早期《MLBB》覆蓋了 20 多種語言，包括高棉語、塔加洛語等小語種，有效提升了當?shù)赝婕业挠螒蝮w驗。
此外，《MLBB》的游戲運營也體現(xiàn)了其因地制宜的特征，實現(xiàn)了諸多成功的本地化實踐。例如，針對不同地區(qū)的文化特色與歷史傳統(tǒng)，沐瞳推出了包括印尼金剛神 Gatotkaca、 菲律賓對抗外敵的民族英雄拉普拉普、馬來西亞傳奇勇士巴當、緬甸的江喜陀、韓國武將李舜臣等在內(nèi)的多款本地化英雄，讓各國 MLBB 玩家獲得了強烈的文化認同感
解決方案
基于 Amazon Bedrock 調(diào)用業(yè)界領先大語言模型實現(xiàn)辱罵識別和精準輿情分析
在辱罵識別方面，沐瞳最初嘗試過傳統(tǒng)翻譯服務，但由于游戲玩家交談內(nèi)容以東南亞本地小語種為主，涉及十幾種東南亞語言，如果分別進行大模型自研開發(fā)會導致成本高昂，而如果完全依賴人工介入，不僅對辱罵判罰的響應速度相對較慢，還需要大量人力投入。
沐瞳于 2023年 10 月成為了 Amazon Bedrock 的首批用戶?；诤Ｍ鈽I(yè)務需求，沐瞳通過亞馬遜云科技 Amazon Bedrock 調(diào)用業(yè)界領先 LLM ，實現(xiàn)文本處理任務。Amazon Bedrock 是一項完全托管的生成式 AI 服務，用戶可以使用單個 API 調(diào)用眾多領先的高性能大模型。其中，某業(yè)界領先 LLM 因其1.3 秒到 1.5 秒的快速響應能力和能夠支持約 200K Token 輸入的數(shù)據(jù)處理能力，受到了沐瞳的青睞。通過調(diào)用該模型，《MLBB》中辱罵識別的效率和準確性顯著提高，同時輿情分析效率也得到了大幅提升。此外，面向海外業(yè)務，沐瞳還利用了該 LLM 進行提示詞工程優(yōu)化，幫助用戶更有效地編寫和模型調(diào)優(yōu)的提示詞，從而實現(xiàn)更優(yōu)異的模型性能和輸出效果。
在輿情分析以及風險控制方面，Amazon Bedrock 與 Amazon OpenSearch Service 的集成使得數(shù)據(jù)的處理和分析收效甚佳。Amazon OpenSearch Service 作為 PB 級別的搜索引擎，能夠極大提升數(shù)據(jù)的檢索效率，幫助沐瞳針對其海外業(yè)務迅速定位關鍵數(shù)據(jù)并提取，從而能將數(shù)據(jù)應用于 Amazon Bedrock 上進行更深入的分析。相較于市面上的其他選擇，Amazon OpenSearch Service 擁有對類文本和類日志數(shù)據(jù)的高效處理能力，同時兼具支持同義詞和向量存儲的特性，這一疊加優(yōu)勢能夠進一步提高了數(shù)據(jù)搜索和分析的精確度。
成效
辱罵識別準確率達到 90% 以上:針對海外業(yè)務，沐瞳通過 Amazon Bedrock 調(diào)用該業(yè)界領先 LLM 進行辱罵識別分析后，其響應速度相較于之前的大模型得到了明顯提升。同時，通過該LLM 的二次過濾功能，《MLBB》辱罵識別的準確率也得到了顯著優(yōu)化，達到了90%以上。
支持 200k Token 輸入，輸出更精準:在輿情分析方面，該業(yè)界領先 LLM實現(xiàn)了更為精準的結(jié)論輸出。由于該LLM支持 200k 的輸入，意味著相對于行業(yè)內(nèi)主流大模型 100k 上下文的 Token 輸入，該LLM支持的信息量增加一倍、擴展到 200k 個 Token，相當于大約 15 萬個單詞或超過 500 頁的材料，對于用戶每天評論 500-600k 的輸入，能夠輸出較少的文本切片，讓輸出結(jié)果更精準。
靈活多樣的模型選擇，提升《MLBB》玩家體驗：目前，《MLBB》中的辱罵識別場景由亞馬遜云科技 Amazon Bedrock 中的某業(yè)界領先 LLM以及另一主流模型聯(lián)合支持機器翻譯，并將翻譯后的結(jié)果進行精準識別。該 LLM 可以精準識別小語種，并運用系統(tǒng)調(diào)優(yōu)解決翻譯精度問題；而針對于輿情分析的應用，《MLBB》基于亞馬遜云科技 Amazon Bedrock 調(diào)用該LLM 進行文本摘要，將每日 14000 余條評論作為 Token 輸入，并對其進行深化分析，進一步夯實該游戲世界觀、角色的論證基礎，為未來新游戲角色的構(gòu)建提供事實依據(jù)。
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論
這是LLM應用的一個很好的場景，解決了跨語言監(jiān)管的難題。