/ Модель

Характеристики

Контекст
512 токенов
Параметры
12,1 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
rubert-tiny
Опубликована
2 мар 2022

rubert-tiny-toxicity

Классификация текстаТекст → label3 профессии

Русскоязычная BERT-модель для многометочной классификации токсичности, оскорблений, ненормативной лексики, угроз и опасного содержания в коротких текстах.

51 526скачиваний за 30 дней48лайковвеса обновлены3 авг 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

cointegrated/rubert-tiny-toxicity — русскоязычная модель классификации текста, созданная разработчиком cointegrated дообучением cointegrated/rubert-tiny. Она предназначена для оценки токсичности и неуместности коротких неформальных текстов, например комментариев в социальных сетях. Модель на архитектуре BERT содержит 12,1 млн параметров и принимает последовательности длиной до 512 токенов.

Классификация многометочная: модель определяет наличие оскорблений, ненормативной лексики, угроз, опасного для репутации автора содержания, а также метку non-toxic. По описанию карточки текст считается безопасным, если он одновременно отнесён к non-toxic и не признан опасным. На тестовой части данных OK ML Cup и набора Babakov et al. ROC AUC составил 0,9881–0,9937 для четырёх меток и 0,8295 для dangerous.

Модель подходит для предварительной модерации коротких русскоязычных сообщений и маркировки токсичных категорий. Показатели качества относятся к указанным наборам данных; карточка не подтверждает качество на других доменах или длинных текстах. Лицензия — MIT.

Сценарии применения

  • поиск оскорблений в комментариях соцсетей
  • выявление ненормативной лексики в сообщениях
  • обнаружение угроз в пользовательских текстах
  • маркировка токсичных публикаций для модерации
  • оценка неуместности коротких русскоязычных сообщений

Ограничения

Модель предназначена для коротких неформальных русскоязычных текстов; качество на других типах данных не установлено. Для метки dangerous указан более низкий ROC AUC (0,8295), чем для остальных меток.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is the cointegrated/rubert-tiny model fine-tuned for classification of toxicity and inappropriateness for short informal Russian texts, such as comments in social networks.

The problem is formulated as multilabel classification with the following classes:

  • non-toxic: the text does NOT contain insults, obscenities, and threats, in the sense of the OK ML Cup competition.
  • insult
  • obscenity
  • threat
  • dangerous: the text is inappropriate, in the sense of Babakov et.al., i.e. it can harm the reputation of the speaker.

A text can be considered safe if it is BOTH non-toxic and NOT dangerous.

Usage

The function below estimates the probability that the text is either toxic OR dangerous:

# !pip install transformers sentencepiece --quiet
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

model_checkpoint = 'cointegrated/rubert-tiny-toxicity'
tokenizer = AutoTokenizer.from_pretrained(model_checkpoint)
model = AutoModelForSequenceClassification.from_pretrained(model_checkpoint)
if torch.cuda.is_available():
    model.cuda()
    
def text2toxicity(text, aggregate=True):
    """ Calculate toxicity of a text (if aggregate=True) or a vector of toxicity aspects (if aggregate=False)"""
    with torch.no_grad():
        inputs = tokenizer(text, return_tensors='pt', truncation=True, padding=True).to(model.device)
        proba = torch.sigmoid(model(**inputs).logits).cpu().numpy()
    if isinstance(text, str):
        proba = proba[0]
    if aggregate:
        return 1 - proba.T[0] * (1 - proba.T[-1])
    return proba

print(text2toxicity('я люблю нигеров', True))
# 0.9350118728093193

print(text2toxicity('я люблю нигеров', False))
# [0.9715758  0.0180863  0.0045551  0.00189755 0.9331106 ]

print(text2toxicity(['я люблю нигеров', 'я люблю африканцев'], True))
# [0.93501186 0.04156357]

print(text2toxicity(['я люблю нигеров', 'я люблю африканцев'], False))
# [[9.7157580e-01 1.8086294e-02 4.5550885e-03 1.8975559e-03 9.3311059e-01]
#  [9.9979788e-01 1.9048342e-04 1.5297388e-04 1.7452303e-04 4.1369814e-02]]

Training

The model has been trained on the joint dataset of OK ML Cup and Babakov et.al. with Adam optimizer, the learning rate of 1e-5, and batch size of 64 for 15 epochs in this Colab notebook. A text was considered inappropriate if its inappropriateness score was higher than 0.8, and appropriate - if it was lower than 0.2. The per-label ROC AUC on the dev set is:

non-toxic  : 0.9937
insult     : 0.9912
obscenity  : 0.9881
threat     : 0.9910
dangerous  : 0.8295

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
BertForSequenceClassification
Ревизия весов
5d37eff

0 моделей