/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
12 мар 2026

minilm-toxic-spam-classifier

Классификация текстаТекст → label3 профессии

navodPeiris/minilm-toxic-spam-classifier — лёгкая модель для модерации текстового контента, разработанная на базе MiniLMv2-L6-H384, дистиллированной из BERT-Large.

6 467скачиваний за 30 дней2лайкавеса обновлены16 мар 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 дообучена с использованием focal loss и классифицирует текст по трём классам: safe — безопасный контент, toxic — токсичные высказывания, угрозы, язык ненависти и оскорбления, spam — нежелательные рекламные сообщения, мошеннические и фишинговые попытки. Поддерживается английский язык; применение на других языках не тестировалось.

Архитектура включает 6 слоёв, скрытое представление размерностью 384, около 22 млн параметров и линейную классификационную голову на 3 класса. Максимальная длина последовательности составляет 512 токенов. Модель поставляется в формате ONNX и оптимизирована для быстрого вывода на CPU, поддерживает ONNX Runtime и Transformers.js. На заявленном тестовом наборе точность, macro-F1 и weighted-F1 составили 0,96. Для принятия результата рекомендуется использовать порог уверенности 0,9.

Модель подходит для предварительной фильтрации пользовательских сообщений, выявления токсичности и спама в комментариях, чатах, формах обратной связи и электронной почте. Она может хуже распознавать скрытую или неоднозначную токсичность, а также путать резкую критику продукта с личными нападками, поэтому не предназначена для сложного и нюансированного контроля соответствия контента политикам. Лицензия — Apache 2.0.

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

MiniLM Content Guard - 3 Class

A lightweight content moderation model that classifies text into safe, toxic, or spam. Built on MiniLMv2-L6-H384 and fine-tuned with focal loss for robust handling of hard examples. This model is in ONNX format and optimized for CPU inference.

suggested threshold for considering results as valid: 0.9 (if less than 0.9 confidence, there can be a risk that prediction is wrong)

Labels

Label IDLabelDescription
0safeNormal, non-harmful content
1toxicHate speech, threats, personal attacks, severe insults
2spamUnsolicited promotions, scams, phishing attempts

Usage

ONNX Runtime

from optimum.onnxruntime import ORTModelForSequenceClassification
from transformers import AutoTokenizer, AutoConfig
import torch

model_name = "navodPeiris/minilm-toxic-spam-classifier"

tokenizer = AutoTokenizer.from_pretrained(model_name)
config = AutoConfig.from_pretrained(model_name)
model = ORTModelForSequenceClassification.from_pretrained(model_name)

text = "look like garbage!"

inputs = tokenizer(text, return_tensors="pt")

outputs = model(**inputs)

# Convert logits → probabilities
probs = torch.softmax(outputs.logits, dim=-1)

# Get predicted class
pred_id = torch.argmax(probs, dim=-1).item()

label = config.id2label[pred_id]
confidence = probs[0][pred_id].item()

print(label, f"{confidence}")

Transformers.js

import { pipeline } from "@huggingface/transformers";

const pipe = await pipeline(
  "text-classification",
  "navodPeiris/minilm-toxic-spam-classifier",
);

const res = await pipe("this code is uglier than u ugghh");
console.log("res:", res);

Performance

Evaluated on a held-out test set of 13,123 samples:

            precision  recall   f1-score   support

safe          0.98      0.96      0.97      4332
toxic         0.90      0.96      0.93      1626
spam          0.99      0.97      0.98      1157

accuracy                          0.96      7115
macro avg     0.95      0.96      0.96      7115
weighted avg  0.96      0.96      0.96      7115

Training Details

Architecture

Training Data

The model was trained on a combined dataset from multiple sources:

SourceTypeUsage
Jigsaw Toxic CommentsToxicitysafe / toxic labels
Civil CommentsToxicitysafe / toxic labels
Mail Spam/HamSpamspam labels
Enron SpamSpamspam labels

Hyperparameters

  • Epochs: 5
  • Batch size: 16 (train) / 32 (eval)
  • Learning rate: 3e-5
  • Weight decay: 0.01
  • Loss: Focal loss (gamma=2) for better handling of hard/borderline examples
  • Early stopping: Enabled on F1 macro

ONNX Export

An ONNX version of the model is included for fast CPU inference:

  • Opset version: 18
  • Dynamic axes: batch size and sequence length
  • Constant folding: Enabled

Limitations

  • English-only — not tested on other languages
  • May struggle with subtle or implicit toxicity where the language closely resembles negative sentiment (e.g., strong product complaints vs. personal attacks)
  • Not designed for nuanced content policy enforcement — best used as a first-pass filter

License

Apache 2.0

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
d3948e3

0 моделей