/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-base
Библиотека
transformers
Опубликована
21 авг 2026

roberta-base-disaster-tweet-jailbreaking

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa-base для классификации текста, названная моделью для твитов о бедствиях и выявления jailbreak.

10скачиваний 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

leomaurodesenv/roberta-base-disaster-tweet-jailbreaking — модель классификации текста на основе RoBERTa-base, дообученная разработчиком leomaurodesenv на неизвестном наборе данных. По названию репозитория она предназначена для классификации твитов о бедствиях и выявления попыток jailbreak, однако README не раскрывает схему меток и не уточняет, какая из этих задач фактически решается. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов.

Оценочная точность, приведённая в карточке, составляет 0,7155, но без описания выборки и меток её трудно интерпретировать. Базовая RoBERTa ориентирована на английский язык; назначение и языковой охват этого дообучения отдельно не документированы. Лицензия — MIT.

Сценарии применения

  • классификация твитов о бедствиях
  • проверка текста на попытки jailbreak
  • экспериментальная классификация коротких сообщений

Ограничения

Набор данных, метки классов и подробности обучения не описаны, поэтому назначение, подразумеваемое названием, нельзя подтвердить по карточке. Указанная точность 0,7155 не сопровождается описанием оценочного набора и сама по себе не позволяет судить о качестве на новых данных.

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

roberta-base-disaster-tweet-jailbreaking

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

  • Loss: 0.6054
  • Accuracy: 0.7155

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
0.51811.02430.62170.6948
0.50352.04860.61140.6845
0.51493.07290.60360.7175
0.36264.09720.70240.7072
0.20855.012150.85200.7196
0.31986.014581.28500.7134

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
RobertaForSequenceClassification
Ревизия весов
6006a0d

0 моделей