LLM을 활용해 포럼에서 발견되는 스팸 유형을 감지하는 것은 정말로 파리를 잡기 위해 원자폭탄을 쓰는 것과 같습니다. 모니터링 단어 기반 소형 언어 모델만으로도 충분할 텐데, 만약 그게 편집 내용까지 적용될 수만 있다면 말이죠.
LLM 스팸 감지 기능 사용에는 주저함이 있습니다. 얼마나 많은 에너지(이산화탄소 포함)가 소모되는지(모니터링 단어 기능의 최소 백만 배 이상일 가능성이 높음) 모르기 때문이기도 하고, 설명할 수 없는 오탐(false positives)이 발생할 수도 있기 때문입니다. 가이드를 보니 설정도 매우 어려운 것 같고(저는 관리자가 아니라서 이 부분을 해결하기 위해 상급자에게 부탁해야 합니다).
하지만 해볼 가치는 있는 것 같습니다.
제 생각에는 Decision 1 모델을 한 번 사용해 보세요. 저는 이 워크플로를 사용하여 서비스 계정/그룹 이메일을 사용자를 격리하고 이메일 알림에 자동 응답을 보내도록 구성했습니다. 또한 커뮤니티 이메일 주소로 오는 모든 광고성 메일도 필터링하도록 추가했습니다. LLM은 이 목적에는 너무 신뢰할 수 없다는 것을 발견했지만, Decision 1 에이전트를 구현한 것은 완벽하게 작동했습니다.
워크플로에 “게시물 편집됨(Post Edited)” 옵션도 있는 것 같습니다.
여기에 게시물 편집 트리거를 추가한 JSON 파일입니다. 직접 가져와서 시험해 보고 싶으시다면 이용해 보세요. 다만 프롬프트는 사용자의 특정 시나리오에 맞게 업데이트해야 합니다.
Autoresponder Email Filter.json (8.6 KB)
