Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Опубликована: 16 мар 2026

Ссылки

Hugging Face

distilrubert-ai-detector

barmyman

Классификация текстаТекст → label3 профессии

Классификатор русскоязычного текста, оценивающий, создан ли он человеком или ИИ.

185скачиваний за 30 дней0лайковвеса обновлены17 мар 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

Модель barmyman/distilrubert-ai-detector разработана на базе DeepPavlov/distilrubert-base-cased-conversational и предназначена для бинарной классификации русскоязычного текста: она определяет, написан ли текст человеком или сгенерирован ИИ. Архитектура — DistilBERT для классификации последовательностей, веса представлены в формате safetensors, контекст — до 512 токенов.

Модель подходит для предварительной проверки текстов на признаки машинной генерации, например для модерации пользовательских материалов или анализа учебных и редакционных текстов. В README заявлено, что она обучена на чистых текстах без артефактов разметки и ориентируется на стилистические признаки, канцелярит и типичные ИИ-штампы. Эти заявления не сопровождаются метриками или описанием тестового набора. Лицензия в предоставленных данных не указана.

Сценарии применения

проверка текста на вероятное происхождение от ИИ
первичная модерация пользовательских публикаций
анализ учебных работ на признаки машинной генерации
проверка редакционных материалов перед публикацией

Ограничения

Классификация основана на стилистических признаках, поэтому результат не доказывает авторство и может ошибаться на текстах, отличающихся от обучающих данных. В README не приведены метрики качества или сведения о тестовом наборе.

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 I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AI Text Detector (RuBERT)

Модель обучена на базе DeepPavlov/distilrubert-base-cased-conversational для задачи бинарной классификации текста (AI vs Human).

Модель отлично распознает стилистику генерации, канцелярит и типичные ИИ-штампы, обучена на чистых текстах (без артефактов разметки).

Использование (Python)

Модель работает "из коробки" через стандартный пайплайн Hugging Face:

from transformers import pipeline

# Загружаем модель
detector = pipeline(
    "text-classification", 
    model="barmyman/distilrubert-ai-detector"
)

# Проверяем текст
text = "В данной статье мы рассмотрим ключевые аспекты проблемы..."
result = detector(text)

print(result) 
# Вывод:[{'label': 'LABEL_1', 'score': 0.985}] (LABEL_1 = ИИ, LABEL_0 = Человек)

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: 6ec5a5f