/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
distilbert · dense
Библиотека
transformers
Опубликована
29 июл 2026

distilbert-jigsaw-multilabel

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT классифицирует англоязычные комментарии по нескольким категориям токсичного и оскорбительного содержания.

19скачиваний за 30 дней0лайковвеса обновлены29 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

srijanratrey выпустил дообученную модель DistilBERT для многометочной классификации англоязычных комментариев. Она присваивает каждому комментарию любые подходящие метки из шести категорий: токсичность, сильная токсичность, непристойность, угроза, оскорбление и ненависть по признаку идентичности. Для каждой метки модель выдаёт независимую оценку вероятности, а не выбирает один класс; README приводит отдельные пороги для принятия решений и метрики на тестовой выборке.

Модель основана на distilbert-base-uncased и использует классификационную голову DistilBertForSequenceClassification. Метаданные указывают контекст до 512 токенов, однако README сообщает, что при обучении входы обрезались до 256 токенов. В тесте macro-F1 составил 0,6836, но качество по редким классам ниже: F1 для угроз и сильной токсичности около 0,54. Модель обучена на комментариях со страниц обсуждений англоязычной Википедии 2018 года, поэтому на текстах других доменов качество может снизиться. Автор обозначает её как демонстрационную, не предназначенную для значимых решений о людях. Лицензия — MIT.

Сценарии применения

  • поиск токсичных комментариев в англоязычных обсуждениях
  • разметка комментариев по категориям токсичности и оскорблений
  • выявление угроз и непристойных высказываний
  • предварительная фильтрация комментариев для последующей проверки модератором

Ограничения

Обучена на англоязычных комментариях обсуждений Википедии 2018 года, поэтому на других доменах качество может снижаться; показатели для редких меток, включая угрозы и сильную токсичность, слабее. Входы при обучении обрезались до 256 токенов, а README предостерегает от использования модели для значимых решений о людях.

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

DistilBERT — multi-label content / policy classification

Fine-tuned distilbert-base-uncased predicting all applicable labels for a comment: toxic, severe_toxic, obscene, threat, insult, identity_hate.

Six independent sigmoid outputs trained with BCEWithLogitsLoss — not softmax — so any combination of labels can fire and the probabilities do not sum to 1.

Metrics (held-out test split, n=23,936)

Macro-F1: 0.6836 · micro-F1: 0.7875 · macro average precision: 0.7359

labelthresholdprecisionrecallF1APsupport
toxic0.550.8470.8320.8390.9212,295
severe_toxic0.250.4410.6970.5400.573241
obscene0.650.8320.8260.8290.9101,268
threat0.200.4560.6620.5400.53871
insult0.500.7330.7870.7590.8321,181
identity_hate0.500.6670.5350.5940.641213

Why not accuracy

A model that predicts nothing scores 89.83% exact-match accuracy and 96.33% mean per-label accuracy on this data, at macro-F1 of exactly 0.0. Macro-F1 is the headline for that reason.

Thresholds

The per-label thresholds in the table were calibrated on the validation split and applied unchanged to test. thresholds_transformer.json in this repo holds them. Using them instead of a flat 0.5 is worth +0.021 macro-F1 with no retraining.

Limitations

  • Trained on 2018 English Wikipedia talk-page comments; other domains will degrade.
  • Rare labels are weak: F1 ~0.54 on threat and severe_toxic; identity_hate recall 0.535.
  • threat's threshold rests on only 72 validation positives, so it is a noisy estimate.
  • Inputs truncated at 256 tokens (~6.9% of training comments were longer).
  • A demo, not a moderation system. Do not make consequential decisions about people with it.

Code, full write-up, and a live demo: https://github.com/Srijan-Ratrey/Multilabel-content-classification

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
DistilBertForSequenceClassification
Ревизия весов
078dfe9

0 моделей