/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
electra · dense
Базовая модель
electra-base-discriminator
Библиотека
transformers
Опубликована
21 авг 2026

electra-base-discriminator-disaster-tweet-jailbreaking

Классификация текстаТекст → label3 профессии

Дообученная ELECTRA-модель для классификации коротких текстов, включая твиты тематик катастроф и jailbreaking.

15скачиваний за 30 дней0лайковвеса обновлены21 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

Модель leomaurodesenv/electra-base-discriminator-disaster-tweet-jailbreaking — дообученный англоязычный энкодер ELECTRA для классификации текста. Она основана на google/electra-base-discriminator и содержит 136,7 млн параметров; модель рассчитана на последовательности длиной до 512 токенов. В README приведены результаты оценки: accuracy 0,7258 и loss 0,5879, но набор меток и данные оценки не описаны.

Модель можно применять для классификации коротких текстов, в частности твитов, если нужные классы соответствуют её обучению. Название указывает на тематику сообщений о катастрофах и jailbreaking, однако README не раскрывает точную задачу, датасет или метки, поэтому конкретные сценарии требуют проверки. Доступны веса в формате Safetensors; лицензия — Apache-2.0.

Сценарии применения

  • Классификация коротких сообщений и твитов
  • Проверка текстов на классы, связанные с катастрофами
  • Исследование классификации запросов о jailbreaking

Ограничения

README не уточняет набор меток, обучающие данные и точное назначение классификатора. На указанном evaluation set accuracy составляет 0,7258; переносить этот результат на другие данные без проверки не следует.

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

electra-base-discriminator-disaster-tweet-jailbreaking

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

  • Loss: 0.5879
  • Accuracy: 0.7258

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
  • 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 LossEpochStepValidation LossAccuracy
0.58281.02430.75080.6268
0.52142.04860.61710.6433
0.55503.07290.59420.7278
0.40064.09720.58650.7258
0.31845.012150.68230.7196
0.18036.014580.87710.7175
0.18597.017010.91650.7216

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
ElectraForSequenceClassification
Ревизия весов
ff783b2

0 моделей