PinSieve：用于企业内容质量分类的生产选择性 VLM 服务和受控内存飞轮

生产中的企业人工智能代理通常需要有界、有状态、可观察和可治理，而不是完全自治。我们介绍 PinSieve，这是一个大规模内容质量管道中的生产案例研究。其部署的组件是一个选择性视觉语言模型（VLM）服务代理，仅在轻量级上游模型未解决的灰色区域切片上运行，在线公开标量路由分数，并保留受控的人为升级。在此切片上，部署的系统比之前的生产模块过滤了 2.05 倍多的不可操作项目，同时略微降低了估计的失误率；升级后，审核效率提升25.7%，常态化运营成本降低16.2%，信号传递由次日改为当天。然后，我们通过选择性反馈下的受控内存飞轮来研究维护，其中默认情况下会审查升级的项目，而自动通过的项目主要通过审核抽样来标记。反馈内存记录路由跟踪、观察路径、审核倾向和重放元数据以进行评估和调试。数据管理代理在代表性、不确定性、新近度和新鲜评论重放上使用有界提案验证器循环，并在批量接受之前设置正率和分数箱护栏。在六个月的生产数据链式每月刷新中，该设计将平均 FNR@50% 从代表性随机重放下的 17.73% 降低到 13.29%。推理审查代理审核教师提出的理由并支持保留/修复/丢弃决策。生产声明仅归因于部署的服务代理；重播和理由审查结果是离线或抽样治理证据。相同的服务代理配方已被应用于其他几个内部信号，这表明可转移性超出了一项任务。