Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 13 сен 2026

Ссылки

Hugging Face

bert-base-uncased-jailbreakv-28k-augmented

leomaurodesenv

Классификация текстаТекст → label3 профессии

Дообученная BERT-base модель для классификации текста.

304скачиваний за 30 дней4лайкавеса обновлены15 сен 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 leomaurodesenv/bert-base-uncased-jailbreakv-28k-augmented — дообученная англоязычная BERT-base для классификации текста. Она основана на google-bert/bert-base-uncased, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены результаты оценки: accuracy 0,9981 и loss 0,0063.

Модель можно применять для классификации текстовых последовательностей; конкретные классы и целевые сценарии в карточке не описаны. Датасет обучения также не раскрыт. Веса доступны в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0.

Сценарии применения

классификация текстовых последовательностей
разметка текстов по заданным классам
оценка текста классификатором

Ограничения

Целевые классы и обучающий датасет не описаны, поэтому назначение и переносимость модели на конкретные сценарии оценить нельзя.

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-uncased-jailbreakv-28k-augmented

This model is a fine-tuned version of google-bert/bert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0063
Accuracy: 0.9981

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: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 16
optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 50
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0009	1.0	7840	0.0131	0.9955
0.0003	2.0	15680	0.0101	0.9968
0.0169	3.0	23520	0.0097	0.9973
0.0115	4.0	31360	0.0088	0.9976
0.0195	5.0	39200	0.0161	0.9966
0.0016	6.0	47040	0.0101	0.9974
0.0038	7.0	54880	0.0085	0.9978
0.0000	8.0	62720	0.0068	0.9980
0.0138	9.0	70560	0.0063	0.9981
0.0170	10.0	78400	0.0066	0.9982

Framework versions

Transformers 5.2.0
Pytorch 2.10.0+cu128
Datasets 4.5.0
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: d34d64e