Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Опубликована: 4 ноя 2023

Ссылки

Hugging Face

detect-ai-text

akshayvkt

Классификация текстаТекст → label3 профессии

Дообученная модель DistilBERT для классификации текста с целью выявления текстов, созданных ИИ.

29скачиваний за 30 дней6лайковвеса обновлены4 ноя 2023

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

akshayvkt/detect-ai-text — модель классификации текста на базе DistilBERT, дообученная автором репозитория от distilbert-base-uncased. Она предназначена для определения, был ли текст создан искусственным интеллектом, и может использоваться для первичной проверки текстов. Модель основана на плотной архитектуре DistilBERT и принимает текст длиной до 512 токенов; в метаданных указан формат safetensors.

В README сообщается точность 0,9964 и значение функции потерь 0,0067 на оценочном наборе, однако сведения о составе и размере набора, методике оценки и ограничениях отсутствуют. Поэтому эти результаты не гарантируют аналогичного качества на других типах текстов. Лицензия — Apache-2.0.

Сценарии применения

проверка текста на вероятное авторство ИИ
первичная сортировка пользовательских текстов по происхождению
анализ письменных работ на признаки генерации ИИ

Ограничения

Данные об обучающем наборе и методике оценки не приведены, поэтому заявленная точность может не переноситься на другие тексты и сценарии. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

detect-ai-text

This model is a fine-tuned version of distilbert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0067
Accuracy: 0.9964

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	280	0.0059	0.9991
0.0319	2.0	560	0.0067	0.9964

Framework versions

Transformers 4.35.0
Pytorch 2.1.0
Datasets 2.14.5
Tokenizers 0.14.1

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: 1987581