/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Опубликована
18 авг 2026

drug-detection-xlm-roberta

Классификация текстаТекст → label3 профессии

Двуязычная модель классификации текста, выявляющая упоминания наркотиков и связанный сленг на китайском и английском языках.

34скачиваний за 30 дней0лайковвеса обновлены18 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 matt0513/drug-detection-xlm-roberta — дообученный на классификацию последовательностей XLM-RoBERTa-base от автора карточки matt0513. Она анализирует текст на китайском и английском языках и относит его к одному из двух классов: безопасный текст (LABEL_0) или текст, связанный с наркотиками (LABEL_1), включая сленг. Модель предназначена для выявления такого содержимого в веб-текстах и может применяться для первичной модерации или фильтрации.

Сценарии применения

  • выявление наркотического сленга в веб-тексте
  • фильтрация публикаций о наркотиках
  • первичная модерация пользовательских текстов
  • классификация текста на безопасный и связанный с наркотиками

Ограничения

Классификация бинарная и ограничена выявлением связанного с наркотиками содержимого; точность на разных типах текстов и устойчивость к обходным формулировкам в карточке не описаны. Контекст модели — до 514 токенов.

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

drug-detection-xlm-roberta

Fine-tuned xlm-roberta-base sequence classifier for detecting drug-related slang / content in web text (Chinese and English). Binary classification: LABEL_0 = safe, LABEL_1 = drug-related.

Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("matt0513/drug-detection-xlm-roberta")
model = AutoModelForSequenceClassification.from_pretrained("matt0513/drug-detection-xlm-roberta")

inputs = tokenizer("some text", return_tensors="pt", truncation=True, max_length=256)
with torch.no_grad():
    logits = model(**inputs).logits
probs = torch.softmax(logits, dim=-1)

Part of the 114TKU_project_Drug-detection multimodal drug-content detection system's NLP module.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForSequenceClassification
Ревизия весов
45bf070

0 моделей