Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Библиотека: transformers
Опубликована: 20 сен 2026

Ссылки

roberta-racial-language-detector

Классификация текстаТекст → label3 профессии

Англоязычная модель RoBERTa классифицирует текст как нейтральный либо содержащий язык ненависти, расовую предвзятость или целевые оскорбления.

177скачиваний за 30 дней0лайковвеса обновлены7 окт 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 модель классификации текста на базе RoBERTa, разработанная mohawwad93 и дообученная от roberta-base на объединённом наборе данных нескольких бенчмарков по языку ненависти и расовой предвзятости. Она относит текст к одному из двух классов: NEUTRAL — безопасный, нейтральный или общий язык; FLAGGED — язык ненависти, расово предвзятые или оскорбительные высказывания, направленные на группы людей.

Модель предназначена для первичной модерации текста и выявления потенциально оскорбительного или предвзятого языка. Это модель RoBERTa для классификации последовательностей с 151,8 млн параметров и контекстом до 514 токенов; заявленный язык — английский. Для работы используется библиотека Transformers. Распространяется по лицензии MIT.

Результаты следует трактовать как сигналы для проверки: двух классов может быть недостаточно для различения контекста, цитирования, иронии и тонких оттенков языка. Описание не приводит метрик качества или порогов принятия решений, поэтому модель не следует считать единственным основанием для автоматической модерации.

Сценарии применения

первичная модерация англоязычных публикаций
выявление языка ненависти в комментариях
поиск расово предвзятых высказываний
отбор оскорбительного текста для проверки модератором

Ограничения

Модель выдаёт только два класса и может не учитывать контекст, цитирование, иронию и тонкие оттенки языка. В карточке не приведены метрики качества или рекомендованные пороги; результаты требуют 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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

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/roberta-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: RobertaForSequenceClassification
Ревизия весов: 628968c