/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense
Базовая модель
toxic-comment-model
Библиотека
transformers
Опубликована
8 июл 2026

guardex-distilbert-safety

Классификация текстаТекст → label

Быстрый англоязычный классификатор на DistilBERT, который помечает текст как безопасный или небезопасный для фильтрации контента.

14скачиваний за 30 дней0лайковвеса обновлены8 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GuardEx DistilBERT Safety Classifier — бинарный классификатор текста, разработанный AtliQ Technologies для проверки безопасности контента в библиотеке LLM-ограничителей GuardEx. Он относит текст к классу safe или unsafe и предназначен для быстрой предварительной фильтрации пользовательских сообщений и другого текстового содержимого.

Модель основана на DistilBERT и дообучена на martin-ha/toxic-comment-model. Для классификации принимает текст; заявленная максимальная длина последовательности — 128 токенов, а контекст модели по метаданным — до 512 токенов. В карточке приведён F1 0,720 на отложенной оценке, а также отмечено, что это самая быстрая, но наименее точная из трёх классификаторов GuardEx. Модель рассчитана на английский язык. Формат весов — Safetensors; используется библиотека Transformers. Лицензия не указана в предоставленных данных.

Сценарии применения

  • проверка пользовательских сообщений на небезопасный контент
  • фильтрация текста перед передачей запроса LLM
  • маркировка текста как безопасного или небезопасного
  • быстрая предварительная модерация комментариев

Ограничения

В карточке указан F1 0,720; автор отмечает, что среди трёх классификаторов GuardEx эта модель наименее точная. Максимальная длина последовательности, указанная в README, составляет 128 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GuardEx DistilBERT Safety Classifier

Binary classifier that labels a piece of text as safe or unsafe. Used by GuardEx, an LLM guardrail library, as one of its content-safety models. This is the fastest of the GuardEx classifiers, with the lowest accuracy of the three.

Labels

idlabel
0safe
1unsafe

Performance

Held-out evaluation:

  • F1: 0.720

Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

repo = "AtliQ-Technologies/guardex-distilbert-safety"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForSequenceClassification.from_pretrained(repo)

enc = tok("text to check", return_tensors="pt", truncation=True, max_length=128)
with torch.no_grad():
    logits = model(**enc).logits
print(model.config.id2label[int(logits.argmax())])  # "safe" or "unsafe"

Details

Fine-tuned from martin-ha/toxic-comment-model. Max sequence length 128.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForSequenceClassification
Ревизия весов
2bd3de9

0 моделей