/ Модель

Характеристики

Контекст
512 токенов
Параметры
20,8 млн
Лицензия
Своя лицензия
Архитектура
electra · dense
Базовая модель
banglabert_generator
Библиотека
transformers
Опубликована
14 апр 2025

bengali-banglabert-toxicity-classifier

Классификация текстаТекст → label3 профессии

Компактная ELECTRA-модель для классификации уровня токсичности текстов на бенгальском языке.

113скачиваний за 30 дней0лайковвеса обновлены5 мар 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

BanglaBERT Toxicity Classifier — модель классификации текста на базе ELECTRA, разработанная Polygl0t для оценки токсичности текста на бенгальском языке. Она обучена на наборе Polygl0t/bengali-toxicity-qwen-annotations: к csebuetnlp/banglabert_generator добавлена классификационная голова с одним регрессионным выходом, а веса базовой модели заморожены. Модель содержит 20,8 млн параметров и принимает последовательности длиной до 512 токенов.

Модель предназначена для определения уровня токсичности бенгальских текстовых сообщений, например для первичной модерации пользовательского контента. В карточке приведены метрики: macro F1 0,6132 и accuracy 0,7768, поэтому результаты классификации могут требовать проверки и не должны трактоваться как безошибочные. Лицензия указана как other; конкретные условия использования по предоставленным данным определить нельзя.

Сценарии применения

  • оценка токсичности бенгальских сообщений
  • первичная модерация комментариев на бенгальском языке
  • сортировка бенгальского пользовательского контента по уровню токсичности

Ограничения

Указанные метрики составляют macro F1 0,6132 и accuracy 0,7768, поэтому классификация может ошибаться и требует проверки в целевом сценарии. Лицензия обозначена как other, а её конкретные условия в предоставленной карточке не раскрыты.

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

BanglaBERT Toxicity Classifier

BanglaBERT Toxicity Classifier is an ELCTRA based model that can be used for judging the toxicity level of a given Bengali text string. This model was trained on the Polygl0t/bengali-toxicity-qwen-annotations dataset.

Details

For training, we added a classification head with a single regression output to csebuetnlp/banglabert_generator. Only the classification head was trained, i.e., the rest of the model was frozen.

  • Dataset: Polygl0t/bengali-toxicity-qwen-annotations
  • Language: Bengali
  • Number of Training Epochs: 20
  • Batch size: 256
  • Optimizer: torch.optim.AdamW
  • Learning Rate: 3e-4 (linear decay with no warmup steps)
  • Eval Metric: f1-score

This repository has the source code used to train this model.

Evaluation Results

Confusion Matrix

12345
1121611035160120
29121441514331
319674314362963
4187632337933
5311577132
  • Precision: 0.6437
  • Recall: 0.5963
  • F1 Macro: 0.6132
  • Accuracy: 0.7768

Usage

Here's an example of how to use this classifier using the transformers library:

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

tokenizer = AutoTokenizer.from_pretrained("Polygl0t/bengali-banglabert-toxicity-classifier")
model = AutoModelForSequenceClassification.from_pretrained("Polygl0t/bengali-banglabert-toxicity-classifier")
model.to(device)

text = "এটি একটি নমুনা গ্রন্থ।"
encoded_input  =  tokenizer(text, return_tensors="pt", padding="longest", truncation=True).to(device)

with  torch.no_grad():
	model_output  =  model(**encoded_input)
	logits  =  model_output.logits.squeeze(-1).float().cpu().numpy()

# scores are produced in the range [0, 4]. To convert to the range [1, 5], we can simply add 1 to the score.
float_score = [x + 1 for x in logits.tolist()][0]

print({
 "text": text,
 "score": float_score,
 "int_score": [int(round(max(0, min(score, 4)))) + 1 for score in logits][0],
})

Cite as 🤗

@misc{fatimah2026liltii,
  title={{LilTii: A 0.6B Bengali Language Model that Outperforms Qwen}},
  author={Shiza Fatimah and Aniket Sen and Sophia Falk and Florian Mai and Lucie Flek and Nicholas Kluge Corr{\^e}a},
  year={2026},
  howpublished={\url{https://hf.co/blog/Polygl0t/liltii}}
}

Acknowledgments

Polyglot is a project funded by the Federal Ministry of Education and Research (BMBF) and the Ministry of Culture and Science of the State of North Rhine-Westphalia (MWK) as part of TRA Sustainable Futures (University of Bonn) and the Excellence Strategy of the federal and state governments.

We also gratefully acknowledge the granted access to the Marvin cluster hosted by University of Bonn along with the support provided by its High Performance Computing & Analytics Lab.

License

According to the paper tied to BanglaBERT, all models are released under a non-commercial license (although the license of BanglaBERT is not explicitly mentioned). Hence, we urge users to use this model for non-commercial purposes only. For any queries, please contact the authors of the original paper tied to BanglaBERT.

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
ElectraForSequenceClassification
Ревизия весов
9f44514

0 моделей