Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: MIT
Архитектура: electra · dense
Опубликована: 8 мая 2023

Ссылки

gelectra-base-injection

Классификация текстаТекст → label3 профессии

Дообученная на базе deepset/gelectra-base модель ELECTRA для классификации текста, вероятно предназначенная для обнаружения prompt injection.

1 989скачиваний за 30 дней2лайкавеса обновлены8 мая 2023

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

JasperLS/gelectra-base-injection — модель классификации текста на базе ELECTRA, дообученная автором JasperLS на основе deepset/gelectra-base. Она предназначена для классификации текстовых последовательностей; название репозитория указывает на задачу обнаружения prompt injection, однако README не описывает её назначение подробнее. Модель содержит 137,1 млн параметров, принимает последовательности длиной до 512 токенов и представлена в формате PyTorch.

В README приведены результаты оценки: accuracy 0,9828 и loss 0,0940. Датасет обучения и условия оценки не раскрыты, поэтому эти показатели не позволяют судить о качестве на других данных. Лицензия — MIT.

Сценарии применения

классификация текстовых последовательностей
предварительная проверка текста на prompt injection

Ограничения

README не описывает датасет, назначение и условия оценки, поэтому указанная точность может не переноситься на другие данные. Максимальная длина входа — 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gelectra-base-injection

This model is a fine-tuned version of deepset/gelectra-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0940
Accuracy: 0.9828

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	69	0.2601	0.9397
No log	2.0	138	0.0940	0.9828

Framework versions

Transformers 4.28.1
Pytorch 2.0.0+cu118
Datasets 2.12.0
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ElectraForSequenceClassification
Ревизия весов: bbb09fe