/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Библиотека
transformers
Опубликована
3 авг 2026

roblox-pii-classifier-v2

Классификация текстаТекст → label3 профессии

Мультиязычный классификатор Roblox анализирует контекст чата, чтобы выявлять запросы и передачу персональных данных, а также попытки увести общение за пределы платформы.

228скачиваний за 30 дней8лайковвеса обновлены19 авг 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

Roblox/roblox-pii-classifier-v2 — мультиязычная модель Roblox для выявления персональных данных и связанных с ними действий в контексте многопользовательских бесед. Она дообучена на XLM-RoBERTa-Large с архитектурой классификатора последовательностей и содержит 658,7 млн параметров. Модель принимает строку с целевым сообщением и историей чата, учитывает участников беседы и выдаёт оценки по трём меткам: запрос персональных данных, их передача и попытка перевести пользователя за пределы платформы.

Модель предназначена для модерации разговоров и обнаружения прямых и косвенных попыток обмена персональной информацией, в том числе при неоднозначных формулировках и обходных манёврах. В README заявлена поддержка 189 языков; вход ограничен 512 токенами, а при превышении длины отбрасываются наиболее ранние реплики. Для классификации применяются пороги, рекомендованные отдельно для каждой метки. В карточке приведены результаты внутренних и открытых сравнительных оценок; качество зависит от состава данных и наличия контекста беседы.

Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • выявление запросов телефонов, адресов и других персональных данных в чате
  • обнаружение публикации личных данных и учётных данных пользователями
  • поиск косвенных попыток получить персональную информацию из контекста беседы
  • обнаружение предложений перейти в сторонние приложения или на сайты
  • модерация многоязычных разговоров на онлайн-платформах

Ограничения

Вход ограничен 512 токенами, поэтому при длинной истории удаляются самые ранние сообщения; для корректной работы требуется заданный формат с историей и идентификаторами участников. Результаты и рекомендованные пороги приведены в карточке на определённых наборах оценки и не гарантируют такую же точность на других данных.

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

Roblox PII Classifier v2

Overview

We present Roblox/roblox-pii-classifier-v2, an upgraded, context-aware PII (Personally Identifiable Information) detection model. Built on the XLM-RoBERTa-Large architecture, v2 is designed to identify attempts to share or solicit personal information across complex, multi-user conversations.

Unlike its predecessor and other NER models, v2 evaluates text within its surrounding conversational context, allowing it to detect sophisticated, adversarial bypass attempts (e.g., collaborative PII exchange, phonetic spelling, implicit references) while drastically reducing false positives. It is intended for use in casual conversations, ensuring freedom of speech while also maintaining safety.

What’s New in v2?

  • Conversational Context Integration: Evaluates target messages within the broader multi-user chat context, eliminating ambiguity inherent in isolated messages.
  • Massive Multilingual Expansion: Broadened synthetic data generation and fine-tuning capabilities to expand language coverage from 17 to 189 languages.
  • Automated Red-Teaming & Clustering: Applied automated adversarial red-teaming and cluster visualization to systematically surface, isolate, and patch model vulnerabilities.
  • Significant Performance Leap: Overall F1 score increased from 63.41% to 90.52% on our refreshed internal evaluation set, with a f1 score increase from 64.74% to 88.78% on the recently released roblox-pii-safety-for-chat-benchmark.

Model Architecture & Classification Scope

Input Format: A single pre-formatted string containing a fixed instruction prefix followed by the target message and its surrounding multi-turn chat history. Speakers are anonymized — the speaker under evaluation is always t, and all other participants are mapped to s1, s2, … in order of first appearance. Turns are joined with </s>:

Instruct: In the following chat messages from target speaker t and possibly other speakers s1, s2, etc., detect abuse by speaker t.
Query:

t: {text} </s> s1: {text} </s> t: {text}

Tokenized with the XLM-RoBERTa SentencePiece tokenizer to a fixed 512 tokens, padding="max_length", truncation=True, and — critically — truncation_side="left", so that when history overflows the window the oldest turns are dropped and the latest target message is retained.

Outputs: The model performs multi-label classification scores obtained by applying an element-wise sigmoid to the logits across three PII categories, emitted in this fixed index order:

IndexLabelThreshold RecommendationDefinition
0privacy_asking_for_pii0.60Attempts to obtain personal identifying information via direct or implicit methods.
1privacy_giving_pii0.55Sharing PII — including phone numbers, email addresses, government IDs, social media handles, and credentials.
2directing_users_off_platform0.10Attempting to move a user off-platform to external apps, services, or websites.

Benchmark Comparisons

The table below illustrates best f1 performance across internal and open-source evaluation benchmarks (full conversational data used when possible):

Dataset / BenchmarkRoblox PII v2*Roblox PII v1*OpenAI Privacy Filter*GLiNER2Qwen3Guard Gen 8BLlamaGuard v3 1BLlamaGuard v3 8BLlamaGuard v4 12BNemoGuard 8B*Piiranha NERShieldstral
roblox-pii-safety-for-chat88.82%64.69%58.16%54.50%66.24%27.89%56.24%54.56%56.52%58.34%57.84%
Roblox Internal Evaluation90.52%63.41%20.98%28.21%15.62%8.59%12.90%21.92%14.77%20.98%31.87
Nemotron-PII99.22%70.07%65.22%62.92%37.46%53.32%46.07%35.05%56.16%68.52%56.69
PII Masking OpenPII 1.5M99.76%86.79%84.23%83.07%61.94%65.10%64.23%56.16%54.01%86.35%85.33

* These models all were supplied with only the target-user text as other speaker texts are meant to be supplemental contextual information. roblox-pii-classifier-v2 performs best when supplied with conversational context, however it still outperforms roblox-pii-classifier when supplied only with target-user text.

Usage

Install the inference dependencies:

pip install -r requirements.txt

For a single message, pass the raw text. inference.py treats it as one turn from the target speaker t and adds the required instruction prefix automatically:

python inference.py --model-path . \
  --text "add me on Discord, my username is skyfox_4821"

For conversational inference, create a UTF-8 JSON file containing a list of turns. The speaker whose behavior should be classified must be named t. Other speaker names may be arbitrary; the formatter anonymizes them to s1, s2, and so on in order of first appearance.

cat > conversation.json <<'JSON'
[
  {"speaker": "alice", "text": "how can I contact you?"},
  {"speaker": "t", "text": "add me on Discord, my username is skyfox_4821"},
  {"speaker": "alice", "text": "okay, got it"}
]
JSON

python inference.py --model-path . --input-file conversation.json

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
XLMRobertaForSequenceClassification
Ревизия весов
44a84be

0 моделей