200+ моделей в одном ансамбле: как RWB внедрила векторный поиск для модерации на маркетплейсе

Лев Нечаев, руководитель команды «Автоматическая модерация методами ИИ» в RWB, рассказал, как компания применила векторный поиск для модерации контента на маркетплейсе. Вместо классических классификаторов команда построила ансамбль из 200+ детекторов, каждый из которых отвечает за отдельный тип нарушений.

Подход основан на эмбеддингах и поиске по векторной базе: детекторы сравнивают новый контент с эталонными примерами нарушений. Это позволило гибко добавлять новые правила без переобучения всей модели. В статье подробно описан процесс сбора данных, обучения и оценки качества на реальных потоках.

Кейс интересен как практический пример, когда векторный поиск заменяет или дополняет LLM в задачах, требующих высокой точности и масштабируемости. RWB — российская компания, поэтому опыт актуален для локального рынка.