/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
15 дек 2023

MiniLMv2-toxic-jigsaw

Классификация текстаТекст → label3 профессии

Компактная англоязычная BERT-модель для выявления токсичности текста и автоматической модерации.

140скачиваний за 30 дней3лайкавеса обновлены13 фев 2024

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

MiniLMv2-toxic-jigsaw — модель классификации текста, дообученная minuva на датасете соревнования Jigsaw 1st Kaggle с использованием unitary/toxic-bert в качестве учителя. Она определяет токсичность текста и предназначена для автоматической модерации комментариев и другого пользовательского контента.

Модель построена на архитектуре BERT и содержит около 25,9 млн параметров; максимальная длина контекста — 512 токенов. В README приведён результат ROC-AUC 0,98600 на тестовой выборке при сравнении с учителем unitary/toxic-bert, у которого указано 0,98636. Модель поддерживает английский язык, распространяется в форматах Safetensors и ONNX по лицензии Apache-2.0.

Сценарии применения

  • выявление токсичных комментариев
  • фильтрация оскорблений в пользовательских сообщениях
  • первичная модерация англоязычного контента
  • оценка токсичности текстов перед публикацией

Ограничения

Модель предназначена для англоязычного текста и ограничена контекстом до 512 токенов. Указанная метрика ROC-AUC получена на тестовой выборке Jigsaw и сама по себе не гарантирует точность на других данных или сценариях модерации.

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

Text Classification GoEmotions

This model is a fined-tuned version of MiniLMv2-L6-H384 on the on the Jigsaw 1st Kaggle competition dataset using unitary/toxic-bert as teacher model. The quantized version in ONNX format can be found here.

The model with two labels only (toxicity and severe toxicity) is here

Load the Model

from transformers import pipeline

pipe = pipeline(model='minuva/MiniLMv2-toxic-jigsaw', task='text-classification')
pipe("This is pure trash")
# [{'label': 'toxic', 'score': 0.9383478164672852}]

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 6e-05
  • train_batch_size: 48
  • eval_batch_size: 48
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10
  • warmup_ratio: 0.1

Metrics (comparison with teacher model)

Teacher (params)Student (params)Set (metric)Score (teacher)Score (student)
unitary/toxic-bert (110M)MiniLMv2-toxic-jigsaw (23M)Test (ROC_AUC)0.986360.98600

Deployment

Check out fast-nlp-text-toxicity repository for a FastAPI based server to deploy this model in CPU devices.

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
BertForSequenceClassification
Ревизия весов
00eacca

0 моделей