Характеристики

Контекст: 8 192 токена
Параметры: 149 млн
Лицензия: Apache 2.0
Архитектура: modernbert · dense
Базовая модель: RuModernBERT-base
Библиотека: transformers
Опубликована: 6 апр 2025

Ссылки

Hugging Face

modernbert-spam-classifier

spamfighters

Классификация текстаТекст → label3 профессии

Дообученный на базе RuModernBERT классификатор для выявления спама в текстах.

26скачиваний за 30 дней0лайковвеса обновлены22 июн 2025

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

spamfighters/modernbert-spam-classifier — дообученный классификатор спама на базе русскоязычного энкодера deepvk/RuModernBERT-base. Модель относится к семейству ModernBERT, использует плотную архитектуру ModernBertForSequenceClassification и содержит 149 млн параметров. Она предназначена для классификации текстов; контекст модели составляет до 8192 токенов.

Модель можно применять для автоматического выявления спама в сообщениях и текстовых потоках. В README указаны результаты на оценочной выборке: accuracy 0,9963 и F1 0,9963, однако набор данных обозначен как None, а его состав и методика оценки не раскрыты. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

фильтрация спама в сообщениях
классификация писем на спам и не спам
проверка пользовательских комментариев на спам

Ограничения

Описание обучающих и оценочных данных отсутствует, поэтому заявленные метрики нельзя уверенно переносить на другие источники текстов. README не раскрывает подробности о классах и пороге классификации.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели 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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

modernbert-spam-classifier

This model is a fine-tuned version of deepvk/RuModernBERT-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0141
Accuracy: 0.9963
F1: 0.9963

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 512
eval_batch_size: 512
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.0235	1.0	572	0.0152	0.9956	0.9956
0.0081	2.0	1144	0.0141	0.9963	0.9963

Framework versions

Transformers 4.51.0
Pytorch 2.4.1
Datasets 3.5.0
Tokenizers 0.21.1

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: ModernBertForSequenceClassification
Ревизия весов: ab95114