Характеристики

Контекст: 512 токенов
Параметры: 162 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-arabertv02
Опубликована: 5 июл 2026

Ссылки

Hugging Face

arabic-ai-arabert

nawaf11570

Классификация текстаТекст → label3 профессии

Дообученная AraBERTv0.2 модель классифицирует арабский текст как написанный человеком или сгенерированный ИИ.

24скачиваний за 30 дней0лайковвеса обновлены5 июл 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

nawaf11570/arabic-ai-arabert — модель классификации текста на базе AraBERTv0.2-base, дообученная для бинарного определения арабского текста как написанного человеком или сгенерированного ИИ. Разработчик обучил её на сбалансированном наборе арабских новостных статей и комментариев из социальных сетей и YouTube, сопоставленных с перефразированными Gemini версиями. Модель использует архитектуру BERT с классификационной головой, содержит 162,4 млн параметров и принимает текст длиной до 512 токенов.

Модель подходит для предварительной проверки происхождения арабских текстов и анализа материалов из новостей и социальных сетей. В карточке указана точность 85,23% на внутреннем тестовом наборе; она ниже показателя сопровождающей гибридной модели проекта, который составляет 93,16%. Это результаты внутренней оценки, а не гарантия качества на других данных. Лицензия — Apache-2.0.

Сценарии применения

проверка арабских новостных статей на признаки генерации ИИ
анализ арабских комментариев в социальных сетях
классификация арабского текста по вероятному авторству человека или ИИ

Ограничения

Заявленная точность 85,23% получена на внутреннем тестовом наборе и может не переноситься на тексты других типов или источников. Модель ограничена арабским языком и контекстом до 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Arabic AI Text Detector — AraBERTv2 (fine-tuned)

Fine-tuned aubmindlab/bert-base-arabertv02 for binary classification of Arabic text as human-written or AI-generated.

LABEL_0 = Human-written
LABEL_1 = AI-generated

Trained on a balanced set of human-collected Arabic text (news articles, social media/YouTube comments) paired with Gemini-rephrased AI versions of the same text. Achieves 85.23% accuracy on the held-out internal test set.

Part of the Arabic AI Text Detection project (CSC361, December 2025). See the full project report and the companion hybrid model, which performs even better (93.16%).

Try both models interactively: 🤗 Space

Usage

from transformers import pipeline

clf = pipeline("text-classification", model="nawaf11570/arabic-ai-arabert")
clf("هذا نص تجريبي لاختبار النموذج.")

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: c6378ee