/ Модель

Характеристики

Контекст
512 токенов
Параметры
155 млн
Лицензия
Apache 2.0
Архитектура
deberta-v2 · dense
Опубликована
26 окт 2024

celadon

Классификация текстаТекст → label3 профессии

Celadon — многоязычный классификатор, выявляющий пять категорий токсичности и предвзятости в тексте.

122скачиваний за 30 дней39лайковвеса обновлены12 июн 2025

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

Celadon — модель классификации токсичности текста, разработанная Eliot Jones во время работы в Pleias. Это дообученная DeBERTa-v3-small с пятью классификационными головами, обученная на 600 тысячах примеров набора Toxic Commons. Она оценивает текст по пяти направлениям: предвзятость по признаку расы, происхождения или миграционного статуса; предвзятость по гендеру и сексуальности; религиозная предвзятость; дискриминация по способностям или инвалидности; графическое насилие, угрозы и призывы к насилию.

Модель предназначена для автоматической разметки и фильтрации потенциально токсичного текста. Она использует архитектуру DeBERTa-v2 для классификации последовательностей, содержит 155 млн параметров и принимает текст длиной до 512 токенов. В карточке указана поддержка английского, нидерландского, испанского, немецкого, польского, итальянского, французского и португальского языков. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • выявление расизма и предвзятости по происхождению в сообщениях
  • поиск сексизма, гомофобии и сексуальных домогательств
  • обнаружение религиозных стереотипов и предвзятости
  • выявление дискриминации по способностям и инвалидности
  • фильтрация графических описаний насилия, угроз и призывов к насилию

Ограничения

Контекст ограничен 512 токенами. Модель предсказывает категории токсичности из данных Toxic Commons; результаты классификации могут не охватывать все контексты и формы вредоносного содержания.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Celadon Toxicity Classifier

Celadon is a DeBERTa-v3-small finetune with five classification heads, trained on 600k samples from Toxic Commons.

It classfies toxicity along five dimension:

  • Race and origin-based bias: includes racism as well as bias against someone’s country or region of origin or immigration status, especially immigrant or refugee status.
  • Gender and sexuality-based bias: includes sexism and misogyny, homophobia, transphobia, and sexual harassment.
  • Religious bias: any bias or stereotype based on someone’s religion.
  • Ability bias: bias according to someone’s physical, mental, or intellectual ability or disability.
  • Violence and abuse: overly graphic descriptions of violence, threats of violence, or calls or incitement of violence.

Read more about the training details in the paper, Toxicity of the Commons: Curating Open-Source Pre-Training Data by Catherine Arnett, Eliot Jones, Ivan P. Yamshchikov, Pierre-Carl Langlais. For more detailed code regarding generating the annotations in Toxic Commons, training the model, and using the model, please refer to the official GitHub repository.

How to Use

from transformers import AutoTokenizer
from celadon.model import MultiHeadDebertaForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("celadon")
model = MultiHeadDebertaForSequenceClassification.from_pretrained("celadon")
model.eval()

sample_text = "This is an example of a normal sentence"

inputs = tokenizer(sample_text, return_tensors="pt", padding=True, truncation=True)
outputs = model(input_ids=inputs['input_ids'], attention_mask=inputs['attention_mask'])

categories = ['Race/Origin', 'Gender/Sex', 'Religion', 'Ability', 'Violence']
predictions = outputs.argmax(dim=-1).squeeze().tolist()

# Print the classification results for each category
print(f"Text: {sample_text}")
for i, category in enumerate(categories):
    print(f"Prediction for Category {category}: {predictions[i]}")

How to Cite

@article{arnett2024toxicity,
  title={{Toxicity of the Commons: Curating Open-Source Pre-Training Data}},
  author={Arnett, Catherine and Jones, Eliot and Yamshchikov, Ivan P. and Langlais, Pierre-Carl},
  journal={arXiv preprint arXiv:2410.22587},
  url={https://arxiv.org/pdf/2410.22587},
  year={2024}
}

About

Trained by Eliot Jones while working at Pleias. This project was made possible by Jean Zay compute grant #GC011015451.

About the Name

Celadon is a type of porcelain, whose European name refers to its jade-like color. The Chinese name for this type of pottery is 青瓷, which means blue-green ceramic. The earliest examples of celadon pottery date from the first century AD. Celadon was first brought to Europe by the Dutch East India Company in the 16th and 17th centuries. In order to increase sales, as the ceramics were very expensive to bring to Europe from China, the Dutch made up fantastical properties of the ceramics, for example that celadon would change color or break in the presence of poison.

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
MultiHeadDebertaForSequenceClassification
Ревизия весов
1588938

0 моделей