Компактный классификатор на базе BERT-tiny оценивает, насколько вероятно, что текст написан человеком, для выявления ИИ-сгенерированных текстов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
ShantanuT01/BERT-tiny-RAID — модель классификации текста, разработанная для выявления текстов, сгенерированных ИИ, на данных набора RAID. Она дообучена на стратифицированной подвыборке обучающей части RAID на базе компактной архитектуры BERT-tiny и выдаёт оценку вероятности того, что текст написан человеком. Модель содержит 4,4 млн параметров, принимает текстовые последовательности длиной до 512 токенов и использует классификационную голову BertForSequenceClassification.
Модель подходит для автоматической проверки текстов и исследовательских экспериментов по распознаванию машинно-сгенерированного контента. Для обучения указаны оптимизатор Adam и функция потерь FocalLoss; карточка приводит параметры обучения, но не описывает точность, порог классификации или поведение на текстах вне RAID. Распространяется по лицензии MIT.
Карточка не сообщает метрики качества и порог принятия решения; обучение выполнено на стратифицированной подвыборке RAID, поэтому надёжность на других типах текстов не установлена.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model is used to detect AI-generated texts from the RAID dataset. The model outputs a score corresponding to the likelihood that the text is human.
This model was trained on a stratified subset of RAID's training data.
prajjwal1/bert-tinyAdamFocalLoss5e-51e-5На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…