/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Библиотека
transformers
Опубликована
23 авг 2026

qltan-1.5

Классификация текстаТекст → label

QLTAN-1.5 классифицирует англоязычный текст по происхождению и качеству, помогая выявлять машинную генерацию, искажения, спам и рекламный контент.

21скачиваний за 30 дней0лайковвеса обновлены23 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

QLTAN-1.5 — модель классификации текста, разработанная akaruineko на основе XLM-RoBERTa-base и дообученная на датасете QualiText. Она относит текст к одному из пяти классов: искажённый, написанный человеком, низкого качества, рекламный или сгенерированный машиной. Модель предназначена для анализа происхождения текста, оценки качества данных, фильтрации спама и рекламных материалов и очистки наборов данных.

Это плотная модель XLM-RoBERTa с классификационной головой, содержащая 305,2 млн параметров; доступные веса представлены в формате safetensors. Она обучалась на англоязычных примерах. Для обработки текст разбивается на окна до 12 предложений или 3000 символов, а максимальная длина последовательности составляет 256 токенов; нативный контекст модели — 514 токенов. Лицензия — MIT.

Модель не предназначена для доказательства авторства конкретного человека. Качество может снижаться на тематиках, отсутствовавших в обучающих данных; распознавание машинного текста зависит от стилей генерации, представленных в обучении, и модель уязвима к целенаправленным изменениям текста.

Сценарии применения

  • определение, написан ли текст человеком или сгенерирован моделью
  • поиск искажённых текстовых примеров в датасете
  • фильтрация рекламного и низкокачественного контента
  • выявление спамных сообщений при очистке корпуса
  • оценка качества текстовых данных перед обучением

Ограничения

Модель обучена на английских текстах и может хуже работать на других языках и тематиках, не представленных в обучении. Она не доказывает авторство человека, а распознавание машинной генерации зависит от обучающих стилей и может быть обмануто целенаправленными изменениями текста.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

QLTAN-1.5 (QualiText Analysis Network)

Model Description

QLTAN-1.5 is a fine-tuned XLM-RoBERTa model designed for multi-class text origin and quality classification. The model categorizes text into five distinct classes to help identify the provenance and quality characteristics of textual content.

The model is based on FacebookAI/xlm-roberta-base and was fine-tuned on the QualiText dataset, achieving strong performance in distinguishing between human-written, machine-generated, corrupted, marketing, and low-quality text.

Model Classes

Class IDLabelDescription
0corruptedText with deliberate word deletions, swaps, duplications, or typo-like edits
1humanHuman-authored text from Wikipedia and 4chan
2low_qualitySpam, email corpus examples, and text with removed punctuation and shuffled words
3machine_generatedText generated by Qwen3.8-Max, GLM-5.2, and Kimi-K3 models
4marketingMarketing-oriented content from FineWeb-Marketing

Intended Uses

The model is designed for:

  • Text provenance analysis: Identifying whether text was human-written or machine-generated
  • Data quality assessment: Detecting corrupted or low-quality text in datasets
  • Content moderation: Filtering marketing content or spam from user-generated content
  • Dataset cleaning: Automatically identifying problematic examples in training data
  • Research: Studying text quality characteristics and synthetic data detection

Limitations

  • Not for authorship verification: The model cannot definitively prove whether a specific person wrote text or used AI assistance
  • Domain-specific performance: Performance may vary on text from domains not represented in the training data
  • Language restriction: Model is trained on English text only
  • Style bias: The machine-generated class may reflect the specific styles of the teacher models used in training data
  • Adversarial vulnerability: The model may be fooled by sophisticated adversarial attacks or novel text generation methods

Training Data

The model was trained on the QualiText dataset, which contains 492,275 balanced examples across five classes (98,455 per class). The dataset was split with 90% for training and 10% for evaluation.

The source datasets include:

  • Wikipedia (human and corrupted classes)
  • 4chan political discussions (human class)
  • Qwen3.8-Max, GLM-5.2, Kimi-K3 distillation corpus (machine-generated class)
  • FineWeb-Marketing (marketing and low-quality classes)
  • Spam/ham/phishing email corpus (low-quality class)

Training Procedure

Preprocessing

Text was split into sentence windows with:

  • Maximum 12 sentences per window
  • Maximum 3,000 characters per window
  • Fallback of 256 words for text without clear sentence boundaries
  • Maximum token length of 256

Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Load model and tokenizer
model_name = "akaruineko/qltan-1.5"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Example text
text = "The quick brown fox jumps over the lazy dog. This is a test sentence."

inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=256, return_token_type_ids=False)

with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.softmax(outputs.logits, dim=-1)

# Get predicted class
predicted_class = torch.argmax(predictions, dim=-1).item()
class_labels = {0: "corrupted", 1: "human", 2: "low_quality",
                3: "machine_generated", 4: "marketing"}
print(f"Predicted class: {class_labels[predicted_class]}")
print(f"Confidence: {predictions[0][predicted_class]:.4f}")

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
dfcf162

0 моделей