/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Опубликована
25 июл 2024

malware-id-bert-2

Классификация текстаТекст → label

Дообученная BERT-модель для классификации текста, предположительно предназначенная для идентификации вредоносного ПО.

8скачиваний за 30 дней0лайковвеса обновлены25 июл 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

redblackbird/malware-id-bert-2 — дообученная модель BERT для классификации текста, созданная с помощью AutoTrain на основе google-bert/bert-base-uncased. По названию репозитория она предназначена для идентификации вредоносного ПО по текстовым данным, однако карточка не описывает классы, формат входных данных или конкретные сценарии применения.

Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Валидационная точность составляет около 0,71, а macro F1 — около 0,47, поэтому качество может заметно различаться между классами. Лицензия в предоставленных данных не указана.

Сценарии применения

  • классификация текста для выявления признаков вредоносного ПО
  • экспериментальная проверка текстового классификатора на размеченных данных

Ограничения

Низкий macro F1 (около 0,47) указывает на ограниченное или неоднородное качество между классами; описание не раскрывает состав классов и данных. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoTrain

  • Problem type: Text Classification

Validation Metrics

loss: 0.7463629841804504

f1_macro: 0.471868840030326

f1_micro: 0.712253829321663

f1_weighted: 0.6488788212341754

precision_macro: 0.5558364938895912

precision_micro: 0.712253829321663

precision_weighted: 0.6886706852528584

recall_macro: 0.48134777376654636

recall_micro: 0.712253829321663

recall_weighted: 0.712253829321663

accuracy: 0.712253829321663

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
aae35f7

0 моделей