/ Модель

Характеристики

Контекст
131 072 токена
Параметры
145 млн
Архитектура
privacy_filter · MoE
Базовая модель
privacy-filter
Опубликована
26 апр 2026

privacy-filter-ru

Разметка токеновТекст → label

Дообученная модель выделяет и классифицирует персональные и конфиденциальные данные в русском тексте для локальной фильтрации и маскирования.

34скачиваний за 30 дней5лайковвеса обновлены26 апр 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

apararti/privacy-filter-ru — дообученная русскоязычная модель для обнаружения и классификации персональных и конфиденциальных данных в тексте. Она основана на openai/privacy-filter; в карточке указана архитектура MoE и размер 145,4 млн параметров. Модель размечает имена, телефоны, электронные адреса, адреса, даты, URL, номера счетов и секреты. Основной сценарий — локальная фильтрация и маскирование чувствительных фрагментов в русскоязычных данных.

Чекпойнт обучен на 17 000 примерах за одну эпоху. В оценке на реалистичном русском наборе raw span F1 составил 0,9916; для синтетического теста и набора на смешение телефонов и счетов указано 1,0000. Эти результаты получены без детерминированной постобработки. Модель предназначена для производственного применения, однако README рекомендует проверить её на теневом трафике конкретной предметной области перед внедрением. Формат весов — safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск и маскирование имён, телефонов и адресов в русском тексте
  • обнаружение электронных адресов и URL в документах
  • выявление номеров счетов и секретов в сообщениях
  • фильтрация персональных данных перед сохранением или передачей текста
  • проверка русскоязычных текстовых данных на утечки чувствительной информации

Ограничения

Качество на конкретных данных требует проверки: README рекомендует оценку на теневом трафике целевой предметной области. В предоставленных данных не указаны лицензия и результаты оценки за пределами перечисленных наборов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

privacy-filter-ru

Russian PII fine-tune of openai/privacy-filter.

This checkpoint is the raw-model production candidate from the local raw_hardening_v3 run. It is intended to run without deterministic post-processing.

Labels

  • private_person
  • private_phone
  • private_email
  • private_address
  • private_date
  • private_url
  • account_number
  • secret

Training

  • Base checkpoint: checkpoints/production_candidate_ru_v2
  • Original base model: openai/privacy-filter
  • Epochs: 1
  • Learning rate: 1e-6
  • Batch size: 1
  • Gradient accumulation steps: 16
  • Serialization dtype: bfloat16
  • Train examples: 17,000
  • Validation examples: 2,000

The v3 training mix targeted raw-model behavior that previously depended on a deterministic runtime layer: phone/account/secret label separation and person/date boundary cleanup.

Raw Evaluation

No deterministic post-processing was used for these metrics.

Evalv2 raw span F1v3 raw span F1v2 mismatch rowsv3 mismatch rows
synthetic test1.00001.000000
ru_realistic_eval_v10.87870.991615811
ru_phone_account_confusion_v11.00001.000000
ru_date_negative_v11.00001.000000
ru_raw_hard_v3_eval0.83501.00002970
ru_person_hard_eval0.80740.8074183183
alexen20.86440.8547228241
Rubai heldout0.80540.80363,1313,136

Usage

opf --checkpoint apararti/privacy-filter-ru --device cuda "Мой номер 8 999 863 37 84, зовут Андрей Макаров."

For a local checkout:

opf --checkpoint ./privacy-filter-ru --device cuda "Перезвоните Наталье Никитиной на 8 903 914 81 88."

Notes

This is a fine-tuned checkpoint, not the original OpenAI model. It is optimized for Russian PII filtering and should be validated on domain-specific shadow traffic before production rollout.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура privacy_filter неизвестна transformers в образе рантайма.

Ревизия весов
a1650a1

0 моделей