Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Архитектура: bert · dense
Базовая модель: IndoDiscourse-ToxicityClassifier
Библиотека: transformers
Опубликована: 7 июл 2026

Ссылки

Hugging Face

finetuned_IndoDiscourse_harm_multiclass

mSatashi

Классификация текстаТекст → label

Дообученный BERT-классификатор для многоклассового выявления вредоносного текста на индонезийском языке.

7скачиваний за 30 дней0лайковвеса обновлены7 июл 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 mSatashi/finetuned_IndoDiscourse_harm_multiclass — дообученный классификатор текста на базе Exqrch/IndoDiscourse-ToxicityClassifier. Она использует архитектуру BERT с головой классификации последовательностей и содержит 137,8 млн параметров. Модель дообучена на наборе IndoSafety для многоклассовой классификации вредоносного текста.

Модель подходит для автоматической маркировки текстов по категориям вредоносности и для фильтрации пользовательского контента. В карточке указаны точность 0,9539 и loss 0,1924 на оценочном наборе; контекст ограничен 512 токенами. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация индонезийских текстов по категориям вредоносности
фильтрация вредоносных сообщений в пользовательском контенте
автоматическая модерация текстов на индонезийском языке

Ограничения

В карточке не описаны классы меток и подробные ограничения; указанная точность относится только к оценочному набору IndoSafety. Контекст модели ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results_multiclass

This model is a fine-tuned version of Exqrch/IndoDiscourse-ToxicityClassifier on the IndoSafety dataset. It achieves the following results on the evaluation set:

Loss: 0.1924
Accuracy: 0.9539

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: 3e-05
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5

Training results

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 4.8.4
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: cd6248a