/ Модель

Характеристики

Контекст
514 токенов
Параметры
230 млн
Лицензия
Своя лицензия
Архитектура
xlm-roberta · dense
Библиотека
transformers
Опубликована
15 июн 2026

klar-spam-demo

Классификация текстаТекст → label3 профессии

Демонстрационная многоязычная XLM-RoBERTa классифицирует сообщения на четыре категории для проверки конвейера почтового фильтра Klar.

9скачиваний за 30 дней0лайковвеса обновлены15 июн 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

Klar Spam Demo — небольшая демонстрационная модель классификации текста, опубликованная разработчиками Klar для проверки работы открытого почтового фильтра milter без коммерческой модели. Это четырёхслойная дистиллированная XLM-RoBERTa с классификационной головой на четыре класса: бессвязный текст, маркетинговые сообщения, обычные сообщения и спам. Модель содержит около 229,8 млн параметров, принимает текст и рассчитана на многоязычные данные; максимальная длина контекста — 514 токенов.

Модель предназначена для демонстрации полного конвейера классификатора: кодирования сообщения, предсказания класса и принятия решения. В демонстрационном движке всё, что не отнесено к обычным сообщениям, считается подозрительным на спам. Точность бинарного определения спама на отложенной выборке составляет около 0,79. Это намеренно слабая игрушечная модель, и README прямо предостерегает от использования её в качестве рабочего спам-фильтра. Лицензия указана как other; отдельные условия лицензии в предоставленных данных не раскрыты.

Сценарии применения

  • демонстрация классификации писем в почтовом фильтре
  • проверка конвейера обработки сообщений в Klar milter
  • разметка текста как обычного сообщения, спама, маркетинга или бессвязного текста

Ограничения

Модель намеренно слабая и не предназначена для использования как рабочий спам-фильтр; точность бинарного определения спама на отложенной выборке около 0,79. Лицензия обозначена как other, а полные условия в предоставленных данных отсутствуют.

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

Klar Spam Demo (toy model)

A deliberately small, deliberately weak spam classifier, published only so the open-source Klar milter builds and runs out-of-the-box without the commercial model.

This is not a usable spam filter. It is a 4-layer XLM-RoBERTa distilled from Klar's production classifier purely to demonstrate the engine's end-to-end pipeline (encode → 4-label head → decision). Binary spam accuracy is ~0.79 on a held-out split; the production model is far better and is licensed separately.

Labels

0=gibberish 1=marketing 2=regular 3=spam

The engine treats anything that is not regular as spam-ish.

Use

# inside the open-source engine repo:
make import-demo MODEL=icosha/klar-spam-demo
make build
./engine/build/spam_classifier ./engine/model

Licence

Proprietary — Klar Model License (LICENSE), the same licence as Klar's production model. You may download and use this toy model for evaluation and to run the engine demo; production use, redistribution, and derivatives require a commercial agreement (hello@klar.im). The engine code is separately AGPLv3.

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
XLMRobertaForSequenceClassification
Ревизия весов
9726ce7

0 моделей