/ Модель

Характеристики

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

roberta-base-trustairlab-jailbreak-augmented

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для классификации текста и выявления jailbreak-запросов.

150скачиваний за 30 дней1лайквеса 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

Это дообученная модель классификации текста на базе FacebookAI/roberta-base, опубликованная пользователем leomaurodesenv. По названию она предназначена для выявления jailbreak-запросов, однако README не раскрывает назначение подробнее и указывает, что данные обучения неизвестны.

Модель содержит 151,8 млн параметров, использует архитектуру RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов. На указанном в README наборе оценки достигла accuracy 0,9564 и loss 0,1497; состав и методика оценки не описаны. Распространяется по лицензии MIT.

Сценарии применения

  • классификация текстовых запросов на jailbreak и обычные
  • предварительная проверка пользовательских запросов в системах безопасности ИИ
  • оценка риска jailbreak-текста перед передачей языковой модели

Ограничения

Данные обучения не раскрыты, а назначение и ограничения в README не описаны; показатель качества приведён без сведений о наборе и методике оценки. Контекст ограничен 514 токенами.

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-trustairlab-jailbreak-augmented

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: 0.1497
  • Accuracy: 0.9564

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 LossEpochStepValidation LossAccuracy
0.70891.042400.24270.9236
0.20552.084800.19810.9365
0.10623.0127200.19400.9459
0.22294.0169600.18550.9521
0.32775.0212000.14980.9559
0.21196.0254400.16070.9595
0.09577.0296800.16730.9591
0.04218.0339200.17940.9594

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
20e0dca

0 моделей