/ Модель

Характеристики

Контекст
512 токенов
Лицензия
OpenRAIL++
Архитектура
distilbert · dense
Базовая модель
distilbert-base-multilingual-cased
Библиотека
transformers
Опубликована
26 мая 2025

distilbert-multilingual-toxicity-classifier

Классификация текстаТекст → label3 профессии

Многоязычная модель Gravitee на базе DistilBERT определяет, является ли текст токсичным, для задач автоматической модерации.

4 966скачиваний за 30 дней1лайквеса обновлены8 мая 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

Многоязычный классификатор токсичности от Gravitee, созданный на основе DistilBERT и дообученный на датасете gravitee-io/textdetox-multilingual-toxicity-dataset. Он относит текст к одному из двух классов: «токсичный» или «нетоксичный»; модель подходит для модерации пользовательских сообщений и фильтрации токсичного контента в приложениях и API-шлюзах.

Модель основана на DistilBertForSequenceClassification и принимает текст длиной до 512 токенов. В карточке указана поддержка 12 языков, включая русский, английский, украинский, немецкий, испанский, китайский, арабский, хинди, итальянский, французский, иврит и японский. README сообщает о высоких значениях F1 на валидационных выборках, в частности 0,9572 для русского и 0,9528 для английского; также приведено сравнение с квантизированной версией ONNX.

Веса доступны в форматах Safetensors и ONNX. Лицензия — OpenRAIL++. Показатели оценки зависят от языка и набора данных; результаты из README сами по себе не гарантируют качество на других типах текста и в реальных сценариях модерации.

Сценарии применения

  • фильтрация токсичных сообщений в чате
  • модерация комментариев пользователей
  • проверка текста перед публикацией
  • классификация обращений в службу поддержки
  • обнаружение токсичности в русскоязычном контенте

Ограничения

Качество может различаться между языками и отличаться на данных, не представленных в обучающем и оценочном датасете. Модель классифицирует текст только по двум категориям и не объясняет причину оценки.

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

distillbert-multilingual-toxicity-classifier

This is a DistilBERT-based multilingual toxicity classifier fine-tuned using the gravitee-io/textdetox-multilingual-toxicity-dataset. The model supports a wide range of languages and is trained for toxicity classification ("not-toxic", "toxic").

We perform an 85/15 train-test split per language based on the textdetox dataset. All credits go to the authors of the original corpora.

Performance Overview

Original model

LanguageValidation F1Training F1ΔF1
Russian0.95720.9897-0.0324
English0.95280.9853-0.0325
Hindi0.92480.9599-0.0351
Armenian0.65130.6915-0.0402
French0.94460.9874-0.0428
Tatar0.92000.9682-0.0482
Ukrainian0.89970.9511-0.0514
Japanese0.86580.9253-0.0595
German0.89040.9547-0.0643
Spanish0.85640.9399-0.0835
Chinese0.68650.7807-0.0942
Arabic0.75630.8550-0.0987
Italian0.82230.9271-0.1048
Hinglish0.72340.8533-0.1299
Hebrew0.64550.8441-0.1987

Quantized model (ONNX)

LanguageVal F1Quantized Val F1Δ Val F1Train F1Quantized Train F1Δ Train F1
Russian0.95720.9609+0.00370.98970.9875−0.0022
English0.95280.9495−0.00330.98530.9857+0.0004
German0.89040.8842−0.00620.95470.9369−0.0178
Hindi0.92480.8940−0.03000.95990.9335−0.0264
French0.94460.9351−0.00950.98740.9814−0.0060
Japanese0.86580.8584−0.00740.92530.9081−0.0172
Ukrainian0.89970.8988−0.00090.95110.9476−0.0035
Tatar0.92000.9148−0.00520.96820.9631−0.0051
Amharic0.65130.6377−0.01360.69150.6863−0.0052
Spanish0.85640.8439−0.01250.93990.9273−0.0126
Chinese0.68650.6697−0.01680.78070.7596−0.0211
Arabic0.75630.7535−0.00280.85500.8481−0.0069
Italian0.82230.8033−0.01900.92710.9193−0.0078
Hinglish0.72340.7260+0.00260.85330.8436−0.0097
Hebrew0.64550.6190−0.02650.84410.8204−0.0237

The quantized model maintains high accuracy and generalization on the evaluation set, with negligible performance loss for most languages.

🤗 Usage

from transformers import AutoTokenizer
from optimum.onnxruntime import ORTModelForSequenceClassification
import numpy as np

# Load model and tokenizer using optimum
model = ORTModelForSequenceClassification.from_pretrained(
 "gravitee-io/distilbert-multilingual-toxicity-classifier",
 file_name="model.quant.onnx"
)
tokenizer = AutoTokenizer.from_pretrained("gravitee-io/distilbert-multilingual-toxicity-classifier")

# Tokenize input
text = "Your text here"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True)

# Run inference
outputs = model(**inputs)
logits = outputs.logits

# Optional: convert to probabilities
probs = 1 / (1 + np.exp(-logits))
print(probs)

Github Repository

You can check details on how the model was fine-tuned and evaluated on the Github Repository

License

This model is licensed under OpenRAIL++

Citation

@inproceedings{dementieva2024overview,
  title={Overview of the Multilingual Text Detoxification Task at PAN 2024},
  author={Dementieva, Daryna and Moskovskiy, Daniil and Babakov, Nikolay and Ayele, Abinew Ali and Rizwan, Naquee and Schneider, Frolian and Wang, Xintog and Yimam, Seid Muhie and Ustalov, Dmitry and Stakovskii, Elisei and Smirnova, Alisa and Elnagar, Ashraf and Mukherjee, Animesh and Panchenko, Alexander},
  booktitle={Working Notes of CLEF 2024 - Conference and Labs of the Evaluation Forum},
  editor={Guglielmo Faggioli and Nicola Ferro and Petra Galu{{s}}{{c}}{'a}kov{'a} and Alba Garc{'i}a Seco de Herrera},
  year={2024},
  organization={CEUR-WS.org}
}

@inproceedings{dementieva-etal-2024-toxicity,
  title = "Toxicity Classification in {U}krainian",
  author = "Dementieva, Daryna and Khylenko, Valeriia and Babakov, Nikolay and Groh, Georg",
  booktitle = "Proceedings of the 8th Workshop on Online Abuse and Harms (WOAH 2024)",
  month = jun,
  year = "2024",
  address = "Mexico City, Mexico",
  publisher = "Association for Computational Linguistics",
  url = "https://aclanthology.org/2024.woah-1.19/",
  doi = "10.18653/v1/2024.woah-1.19",
  pages = "244--255"
}

@inproceedings{DBLP:conf/ecir/BevendorffCCDEFFKMMPPRRSSSTUWZ24,
  author = {Janek Bevendorff and et al.},
  title = {Overview of {PAN} 2024: Multi-author Writing Style Analysis, Multilingual Text Detoxification, Oppositional Thinking Analysis, and Generative {AI} Authorship Verification - Extended Abstract},
  booktitle = {ECIR 2024, Glasgow, UK, March 24-28, 2024, Proceedings, Part {VI}},
  series = {Lecture Notes in Computer Science},
  volume = {14613},
  pages = {3--10},
  publisher = {Springer},
  year = {2024},
  doi = {10.1007/978-3-031-56072-9_1}
}

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
DistilBertForSequenceClassification
Ревизия весов
865ad1b

0 моделей