Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: indobert-base-p1
Библиотека: transformers
Опубликована: 21 июл 2026

Ссылки

Hugging Face

indobert-detektif-pinjol

billyaf

Классификация текстаТекст → label3 профессии

Дообученная индонезийская BERT-модель для классификации текста о онлайн-займах pinjol.

11скачиваний за 30 дней0лайковвеса обновлены21 июл 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

indobert-detektif-pinjol — дообученная модель семейства BERT на базе indobenchmark/indobert-base-p1, разработанная для классификации текста, связанного с pinjol — индонезийскими онлайн-займами. Модель содержит 151,6 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.

Она предназначена для отнесения текста к классам в задаче, связанной с обнаружением или анализом pinjol. В README указаны accuracy 0,9375 и loss 0,2402 на оценочной выборке, однако описание классов, состав и источник данных, а также методика оценки не раскрыты. Базовая модель ориентирована на индонезийский язык; лицензия модели — MIT.

Сценарии применения

классификация индонезийских текстов о pinjol
автоматическая сортировка сообщений об онлайн-займах
выявление упоминаний pinjol в текстовых обращениях

Ограничения

В README не раскрыты метки классов, данные обучения и подробности оценки, поэтому метрики нельзя уверенно переносить на другие наборы данных. Максимальная длина входной последовательности — 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

indobert-detektif-pinjol

This model is a fine-tuned version of indobenchmark/indobert-base-p1 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2402
Accuracy: 0.9375

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: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	420	0.2155	0.9315
0.2601	2.0	840	0.2086	0.9398
0.1711	3.0	1260	0.2402	0.9375

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

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: BertForSequenceClassification
Ревизия весов: a7f2ceb