Характеристики

Контекст: 8 192 токена
Параметры: 149 млн
Лицензия: MIT
Архитектура: modernbert · dense
Библиотека: transformers
Опубликована: 23 сен 2026

Ссылки

ModernBERT-racial-language-detector

Классификация текстаТекст → label3 профессии

Модель классифицирует текст как нейтральный или потенциально содержащий расистскую предвзятость, язык ненависти либо оскорбительные высказывания.

223скачиваний за 30 дней0лайковвеса обновлены27 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

mohawwad93 представил модель для классификации текста по наличию расистской предвзятости, языка ненависти и оскорбительных высказываний, направленных против людей или групп. Она размечает текст как NEUTRAL — нейтральный или безопасный — либо FLAGGED — содержащий потенциально проблемный язык. В README указано, что модель дообучена на объединённом наборе бенчмарков по языку ненависти и расовой предвзятости; метаданные описывают архитектуру как ModernBERT для классификации последовательностей, объёмом 149 млн параметров и с контекстом до 8192 токенов.

Модель подходит для первичной модерации текстов и выявления потенциально оскорбительных или предвзятых формулировок. Карточка рекомендует запуск через Transformers pipeline с задачей text-classification. Указана лицензия MIT. Метаданные и README расходятся в базовой модели: README называет roberta-base, тогда как архитектура в метаданных — ModernBERT; поэтому базовая модель не устанавливается однозначно.

Сценарии применения

первичная модерация пользовательских комментариев
поиск языка ненависти в текстах
выявление расистской предвзятости в сообщениях
фильтрация потенциально оскорбительных высказываний

Ограничения

Двухклассовая разметка объединяет язык ненависти, расовую предвзятость и оскорбительные высказывания в одну категорию FLAGGED и сама по себе не подтверждает намерение или контекст. README и метаданные расходятся в указанной базовой модели, поэтому происхождение требует проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Racial Language & Bias Detection Model

This model is a fine-tuned version of roberta-base trained on a unified dataset combining multiple hate speech and racial bias benchmark datasets.

Label Mapping

NEUTRAL (0): Safe, non-offensive, or general language.
FLAGGED (1): Hate speech, racial bias, or offensive targeted language.

Quickstart Inference

from transformers import pipeline

classifier = pipeline("text-classification", model="mohawwad93/ModernBERT-racial-language-detector")
results = classifier("Your input text here...")
print(results)

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: ModernBertForSequenceClassification
Ревизия весов: 9760dcc