Немецкоязычная модель на базе GBERT-Large для классификации фрагментов политик конфиденциальности по темам обработки данных.
90скачиваний за 30 дней0лайковвеса обновлены16 сен 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
Immerwinter/gbert-large-privacy-policy-content-processing — немецкоязычная модель классификации текста, разработанная на базе deepset/gbert-large и предназначенная для разметки фрагментов политики конфиденциальности по темам обработки данных. В карточке перечислены категории Audience, Contact, Control, Deletion, LegalBasis, Policy, Processing, Purpose, Retention, Security/Privacy, Selling, Sharing, ThirdParty и UserRights; README также упоминает контекст и тему.
Модель использует архитектуру BERT с классификационной головой BertForSequenceClassification и содержит 434,5 млн параметров. Она принимает текстовые последовательности длиной до 512 токенов и выдаёт метки классов. Доступны веса в форматах Safetensors и ONNX; базовая модель распространяется по лицензии Apache-2.0. Специализация на немецком языке следует из метаданных, а англоязычная версия упоминается в README.
Сценарии применения
классификация разделов политики конфиденциальности
разметка текста по вопросам хранения и удаления данных
определение правовых оснований обработки данных
выявление упоминаний передачи и продажи данных
поиск сведений о правах пользователей в политиках
Ограничения
Контекст ограничен 512 токенами, поэтому длинные документы потребуется делить на фрагменты. README не описывает метрики качества или схему обучения, поэтому качество классификации для конкретного набора документов следует оценить отдельно.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель