Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 11 сен 2026

Ссылки

Hugging Face

bert-base-uncased-trustairlab-jailbreak

leomaurodesenv

Классификация текстаТекст → label3 профессии

Дообученная англоязычная BERT-модель для классификации текстов, связанная по названию с обнаружением jailbreak.

89скачиваний за 30 дней0лайковвеса обновлены13 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

leomaurodesenv/bert-base-uncased-trustairlab-jailbreak — дообученная модель классификации последовательностей на базе google-bert/bert-base-uncased. Она предназначена для классификации текстов; название указывает на тематику jailbreak, однако карточка не поясняет классы, критерии разметки или целевые сценарии. Модель содержит 136,7 млн параметров, использует архитектуру BERT и принимает текст с контекстом до 512 токенов. Опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

В README приведены метрики на оценочной выборке: loss 0,1904 и accuracy 0,9388; датасет описан как неизвестный, поэтому эти результаты нельзя уверенно переносить на другие данные. Карточка не сообщает поддерживаемые языки или подробные ограничения применения; базовая модель англоязычная.

Сценарии применения

классификация текстовых запросов
экспериментальная проверка запросов на jailbreak

Ограничения

Датасет и классы классификации не описаны, поэтому приведённые метрики нельзя считать подтверждением качества на других данных. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-uncased-trustairlab-jailbreak

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: 0.1904
Accuracy: 0.9388

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
0.2879	1.0	605	0.2115	0.9363
0.1228	2.0	1210	0.1901	0.9396
0.1572	3.0	1815	0.2256	0.9400
0.1561	4.0	2420	0.2302	0.9396
0.0600	5.0	3025	0.3227	0.9342

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: a27152c