/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Архитектура
roberta · dense
Базовая модель
roberta_toxicity_classifier
Библиотека
transformers
Опубликована
8 июл 2026

guardex-roberta-safety

Классификация текстаТекст → label

Англоязычный классификатор RoBERTa определяет, является ли текст безопасным или небезопасным, для защитной фильтрации контента.

11скачиваний 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 RoBERTa Safety Classifier — англоязычный бинарный классификатор текста от AtliQ Technologies для проверки безопасности пользовательских сообщений. Модель дообучена на основе s-nlp/roberta_toxicity_classifier и предназначена для использования как компонент защитных проверок в библиотеке GuardEx и других системах модерации контента.

Классификатор на архитектуре RoBERTa содержит 151,8 млн параметров и выдаёт метку safe или unsafe. Для оценки на отложенной выборке указаны F1 0,938, полнота выявления небезопасного текста 95,7% и полнота распознавания безопасного текста 91,5%. Максимальная длина последовательности в README — 128 токенов; метаданные указывают нативный контекст 514 токенов.

Модель принимает текст и выдаёт класс безопасности. Она рассчитана на английский язык и может помогать фильтровать пользовательские сообщения перед передачей LLM или публикацией. Это классификатор, поэтому его метки не заменяют контекстную проверку и не объясняют причину срабатывания. Условия лицензирования в доступных данных не указаны.

Сценарии применения

  • фильтрация небезопасных пользовательских сообщений
  • проверка запросов перед передачей языковой модели
  • модерация англоязычных комментариев
  • маркировка текста как безопасного или небезопасного

Ограничения

Классификатор выдаёт только метку safe или unsafe и не объясняет причину решения; качество указано по отложенной оценке. README задаёт максимальную длину 128 токенов, поэтому длинный текст может потребовать разбиения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GuardEx RoBERTa 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.

Labels

idlabel
0safe
1unsafe

Performance

Held-out evaluation:

  • F1: 0.938
  • Unsafe recall: 95.7%
  • Safe recall: 91.5%

Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

repo = "AtliQ-Technologies/guardex-roberta-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 s-nlp/roberta_toxicity_classifier with hyperparameter optimization. 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
RobertaForSequenceClassification
Ревизия весов
8dad3ab

0 моделей