/ Модель

Характеристики

Контекст
512 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
IndicBERTv2-MLM-only
Опубликована
12 июл 2026

sakshi-guard-mix

Классификация текстаТекст → label

sakshi-guard-mix — дообученная модель BERT для выявления токсичного контента на английском, хинди и смешанном Hinglish с целью передачи подозрительных сообщений на проверку.

98скачиваний за 30 дней2лайкавеса обновлены12 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

sakshi-guard-mix — модель классификации текста, разработанная RotaVision для формирования сигналов о токсичном и потенциально небезопасном содержимом в платформе Sakshi. Это дообученная IndicBERT v2 с архитектурой BERT и классификационной головой; модель выдаёт метку safe или toxic. Она рассчитана на английский, хинди и смешанный хинди-английский текст, включая хинди, записанный латиницей, и поддерживает контекст до 512 токенов.

Модель предназначена для предварительной проверки пользовательского контента и маршрутизации подозрительных сообщений на ручную модерацию. В описанной оценке AUROC составил 0,807 на полном тестовом наборе, 0,87 для английского, 0,69 для хинди и 0,75 для Hinglish; на 800 безопасных банковских примерах ложных срабатываний при пороге 0,5 не было. Авторы предупреждают, что результаты около порога следует считать ненадёжными, а качество на смешанном языке ограничено шумом разметки в доступном датасете.

Модель выпущена под лицензией Apache-2.0. Это сигнал для последующей проверки, а не самостоятельный вердикт о нарушении; для указанного семейства авторы сообщают о резком ухудшении качества при динамической int8-квантизации PyTorch и рекомендуют ONNX Runtime для такой квантизации.

Сценарии применения

  • Предварительная классификация сообщений как безопасных или токсичных
  • Передача потенциально токсичных сообщений на ручную модерацию
  • Проверка Hinglish-текста, включая хинди, записанный латиницей
  • Фильтрация токсичного контента в англоязычных и хинди-сообществах
  • Проверка банковских уведомлений на ложные срабатывания при выявлении токсичности

Ограничения

Качество для Hinglish и хинди ниже, чем для английского; авторы связывают ограничение с шумом разметки и рекомендуют считать оценки около порога низкоуверенными. Модель предназначена для маршрутизации на проверку, а не для автоматического вынесения окончательного решения; динамическая int8-квантизация PyTorch резко снижает качество.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sakshi-guard-mix

Binary toxicity/safety classifier (safe / toxic) for Hinglish, Hindi, and English content — an IndicBERT v2 fine-tune built by RotaVision to produce content-safety signals inside the Sakshi agent-governance platform, evaluated on CPU inside the customer environment so no text leaves the deployment.

This is a signal model, not a verdict model. In Sakshi it feeds routing policy (flagged content goes to human review); it never blocks on its own. Calibrate expectations accordingly.

Data

  • PRISM Hinglish hate-speech (MIT) — 29.5k rows en/hi/hinglish, author splits preserved.
  • Translate-and-mix augmentation — Devanagari rows romanized to Latin script (train-only), which measurably helps the code-mixed register.
  • Banking hard negatives (synthetic, in-repo) — formal and firm-but-polite collections/dunning text in three registers, all safe. Lawful "account NPA declare ho sakta hai" language must not flag.

Evaluation (held-out author test split + 800 held-out banking negatives)

MetricResult
Code-mixed (Hinglish) AUROC0.750
Full-test AUROC0.807 (en 0.87 / hi 0.69 / hinglish 0.75)
Banking hard-negative FPR @ 0.50.000 (n=800)
Batched CPU p95 (ONNX int8)19.9 ms per text

Honest ceiling note: nine configurations (MuRIL base/large, IndicBERT v2, a toxicity-pretrained warm start, augmentation ablations, and a 3-model ensemble) all land at 0.70–0.76 code-mixed AUROC while the same checkpoints reach 0.87 on the English rows of the same corpus — a hand audit shows the binding constraint is label noise in the only openly-licensed Hinglish corpus, not model capacity. Treat scores near the threshold as low-confidence.

Serving

Do not use torch dynamic int8 quantization on this model family — it collapses to coin-flip AUROC (observed: 0.50, FPR 1.0). Quantize via ONNX Runtime dynamic int8 instead (~−0.04 AUROC, p95 under 20 ms on a 10-vCPU container). In containers, size thread pools from the cgroup CPU quota, not os.cpu_count().

from transformers import pipeline

clf = pipeline("text-classification", model="rotalabs/sakshi-guard-mix")
clf("aapki EMI due hai, kripya samay par bhugtan karein")
# -> safe (collections language is not abuse)

Provenance

Full dataset diligence — including corpora rejected on license grounds (CC-BY-NC-ND) and practical grounds (tweet-ID-only) — is maintained in the Sakshi repository alongside the training scripts and iteration matrix. Base model ai4bharat/IndicBERTv2-MLM-only. Released by RotaVision under the rotalabs open-source commons, Apache-2.0.

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
8261984

0 моделей