Дообученная русскоязычная DeBERTa для определения спама в сообщениях.
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
alt-gnome/spam-detector-v0.2 — русскоязычная модель классификации сообщений на спам и не спам, разработанная alt-gnome на основе RUSpam/spam_deberta_v4. Это дообученная DeBERTa с архитектурой DebertaForSequenceClassification, содержащая 95,2 млн параметров и принимающая текст длиной до 512 токенов. Модель обучалась на пользовательском наборе русскоязычных сообщений; в карточке указаны оптимизатор AdamW, скорость обучения 2e-5, размер пакета 16 и три эпохи.
Контекст ограничен 512 токенами. В карточке приведена только accuracy как отслеживаемая метрика, без численного результата; качество на других типах сообщений не описано.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
🚀 This model is a fine-tuned version of RUSpam/spam_deberta_v4 on a custom dataset of Russian-language messages.
Training configuration:
This model is released under the MIT license.
It is based on RUSpam/spam_deberta_v4, which is also licensed under MIT.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…