/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Опубликована
17 июл 2026

ferendis-risk-classifier

Классификация текстаТекст → label3 профессии

Дообученная англоязычная DistilBERT классифицирует описания ИИ-систем по уровням риска EU AI Act и отмечает неоднозначные случаи для проверки человеком.

13скачиваний за 30 дней1лайквеса обновлены12 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

Samika16/ferendis-risk-classifier — дообученная модель DistilBERT для классификации текстовых описаний систем искусственного интеллекта по уровням риска в рамках Закона ЕС об искусственном интеллекте (EU AI Act). Она присваивает одну из пяти меток: минимальный, ограниченный, высокий или неприемлемый риск, либо «review» для описаний, требующих проверки человеком. Модель принимает текст на английском языке; базовая архитектура — DistilBertForSequenceClassification с контекстом до 512 токенов.

Модель обучена на 1 538 размеченных примерах. В карточке указаны точность 92,08% и macro F1 0,9209; класс «review» имеет наименьший F1 — 0,84, а ограниченный и высокий риск чаще всего путаются на пограничных примерах. Метки создавались с помощью двух автоматизированных этапов и проверки человеком. Модель предназначена для предварительной сортировки описаний и поддержки анализа, но не заменяет юридическую оценку и не должна быть единственным основанием для решения о соответствии. Лицензия в предоставленных данных не указана.

Сценарии применения

  • предварительная классификация риска ИИ-системы по описанию
  • отбор описаний высокорисковых ИИ-систем для экспертной проверки
  • выявление неоднозначных случаев, требующих ручного анализа
  • сортировка описаний ИИ-систем по категориям EU AI Act

Ограничения

Модель не предоставляет юридических консультаций и не должна быть единственным основанием для решений о соответствии. Она хуже распознаёт неоднозначные случаи и может путать ограниченный и высокий уровни риска.

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

EU AI Act Risk Classifier

Fine-tuned DistilBERT model that classifies AI system descriptions into EU AI Act risk tiers.

Intended Use

Classifies a natural-language description of an AI system into one of five categories:

  • minimal_risk
  • limited_risk
  • high_risk
  • prohibited_risk
  • review (flagged for human review — description is ambiguous or spans multiple tiers)

Out of scope: This model does not provide legal advice and should not be used as the sole basis for a compliance decision.

Training Data

  • Dataset size: 1,538 labeled examples
  • Labels sourced via a dual-labeling pipeline with human review on flagged conflicts
  • Ambiguous/boundary-testing "review" cases which require human review.

Training Procedure

  • Base model: distilbert-base-uncased
  • Learning rate: 3e-5
  • Epochs: 10 - 20
  • Batch size: 8
  • Max sequence length: 256

Evaluation Results

MetricScore
Accuracy92.08%
Macro F10.9209

Per-class F1:

ClassF1
minimal_risk0.97
limited_risk0.93
high_risk0.91
prohibited_risk0.93
review0.84

Limitations

  • The "review" class has the lowest F1, the model is least confident distinguishing genuinely ambiguous cases, which is expected since these cases are excluded from training by design.
  • High Risk and Limited Risk are the most frequently confused pair among the four primary tiers, particularly at the boundary between Annex III decision-influencing systems and Article 50 transparency-only systems.

Ethical Considerations / Risks

  • The training labels came from an LLM-assisted first pass, then a decision tree based second pass, then a human reviewer.
  • The results of the model are not intended to provide legal advice

Version History/Release Notes

v1.0 — 2026-08-14

  • Initial release
  • Trained on 1,538 labeled examples across 5 tiers: minimal_risk, limited_risk, high_risk, prohibited_risk, review
  • Labels produced via a dual-pipeline: AI-assisted first pass → decision-tree second pass → human review, with conflicts between the two automated passes flagged for review
  • Accuracy: 92.08% · Macro F1: 0.9209
  • Per-class F1: minimal_risk 0.97, limited_risk 0.93, high_risk 0.91, prohibited_risk 0.93, review 0.84
  • Known limitation: review has the lowest F1 of the five classes — expected, since ambiguous cases are excluded from confident training signal by design. High Risk / Limited Risk is the most frequently confused pair among the four primary tiers, particularly at the Annex III (decision-influencing) vs. Article 50 (transparency-only) boundary.

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
DistilBertForSequenceClassification
Ревизия весов
cdfafda

0 моделей