/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Лицензия
MIT
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Библиотека
transformers
Опубликована
20 мая 2026

ai-text-detection

Классификация текстаТекст → label3 профессии

Англоязычный классификатор Tabularis на базе ModernBERT, оценивающий вероятность того, что текст создан ИИ.

1 325скачиваний за 30 дней3лайкавеса обновлены20 мая 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

Tabularis ModernBERT R1 — англоязычная модель классификации текста, разработанная Tabularis AI и дообученная на базе answerdotai/ModernBERT-base. Она определяет, похож ли входной текст на созданный искусственным интеллектом или человеком, и выдаёт вероятность класса AI. Модель использует архитектуру ModernBERT с классификационной головой и содержит 149 млн параметров; базовая модель поддерживает контекст до 8192 токенов, хотя обучение детектора проводилось с максимальной длиной последовательности 512 токенов.

Модель рассчитана на выявление AI-текстов, в том числе при некоторых видах перефразирования и заменах слов. В README приведены результаты на тестовой части бенчмарка RAID: AUROC 0,9904 и TPR 0,9815 при FPR 5%. Для повышения устойчивости к некоторым Unicode-атакам авторы рекомендуют NFKC-нормализацию входа; заявленные улучшения после неё получены на локальной оценке. Модель выпущена под лицензией MIT.

Это вероятностный классификатор, поэтому его оценку не следует трактовать как достоверное доказательство авторства текста. В README указаны потери качества при отдельных символьных атаках; конкретное применение требует проверки на целевых текстах и настройке порога под допустимую долю ложных срабатываний.

Сценарии применения

  • проверка эссе на текст, созданный ИИ
  • оценка AI-сгенерированных ответов в пользовательском контенте
  • первичная модерация подозрительных текстовых публикаций
  • анализ корпуса текстов для выявления машинно-сгенерированных материалов

Ограничения

Вероятностная оценка не доказывает авторство и может давать ложные срабатывания; порог следует подбирать под конкретный сценарий. README отмечает уязвимость к некоторым символьным атакам и рекомендует NFKC-нормализацию для повышения устойчивости.

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

Tabularis ModernBERT R1 — AI Text Detector

ModernBERT-base fine-tuned for binary AI-vs-human text classification. Trained on a unified ~11M-row corpus combining the RAID benchmark with six external AI-text datasets.

Real RAID leaderboard scores (PR #137)

metricvalue
AUROC0.9904
TPR @ FPR=5%0.9815
TPR @ FPR=1%0.9306
Clean (no attacks) AUROC0.9945
Clean TPR @ FPR=5%0.9903

These are the official numbers from the RAID benchmark CI run on the hidden test labels.

Beats candidate-D on most attack categories

attackTPR@5% vs candidate-DTPR@1% vs candidate-D
paraphrase+5.58+11.53
synonym+0.49+1.62
perplexity_misspelling+0.43+1.69
upper_lower+0.98+2.54
article_deletion+0.75+1.93
alternative_spelling+0.13+0.78
none (clean)-0.03+0.41
zero_width_space-6.32-26.85
homoglyph-1.11-8.31
whitespace-2.66-5.67
insert_paragraphs-0.82-1.46

The character-level attack losses (zero_width, homoglyph, whitespace) are closeable at inference time with NFKC normalization (see "Inference notes" below). Local pseudo-GT eval projects NFKC-normalized inference to push AUROC to ~0.993 and TPR@5% to ~0.996.

Training data

sourcerowshumanAI
RAID train + extra7,650,631218,6857,431,946
artem9k/ai-text-detection-pile1,391,9051,028,142363,763
tabularisai/oak (AI-only Response)1,055,59501,055,595
andythetechnerd03/AI-human-text487,229305,797181,432
NicolaiSivesind/human-vs-machine320,000160,000160,000
Roxanne-WANG/AI-Text_Detection22,5065,99816,508
Varun53/AI_text_detection2,2521,0001,252
TOTAL10,930,1181,719,6229,210,496

Labels manually verified per dataset before mixing.

Training recipe

  • base model: answerdotai/ModernBERT-base (149M params)
  • max sequence length: 512
  • 1 epoch
  • 4× H100 80GB, FSDP full-shard, BF16, TF32
  • per-device batch 192, effective batch 768
  • AdamW, lr 8e-5, 6% warmup, weight_decay 0.01
  • class-weighted cross-entropy (inverse frequency): w_human=3.18, w_AI=0.59
  • label smoothing 0.005
  • training time: 2h 25min total

Inference notes

Prediction is binary: score is the probability the text is AI-generated.

For maximum accuracy on noisy / adversarial inputs, apply NFKC normalization before scoring. Strips zero-width invisibles, fullwidth chars, ligatures; collapses whitespace. Projected leaderboard gain: AUROC +0.003, TPR@5% +0.014, TPR@1% +0.075 over raw inference.

import re, unicodedata
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

ZERO_WIDTH = re.compile(r"[​-‏⁠­]")
WS = re.compile(r"\s+")

def normalize(text: str) -> str:
    t = unicodedata.normalize("NFKC", text)
    t = ZERO_WIDTH.sub("", t)
    t = WS.sub(" ", t).strip()
    return t

tok = AutoTokenizer.from_pretrained("tabularisai/ai-text-detection")
m = AutoModelForSequenceClassification.from_pretrained("tabularisai/ai-text-detection").eval().cuda()

@torch.no_grad()
def score(texts):
    norm = [normalize(t) for t in texts]
    enc = tok(norm, padding=True, truncation=True, max_length=512, return_tensors="pt").to("cuda")
    with torch.autocast(device_type="cuda", dtype=torch.bfloat16):
        logits = m(**enc).logits
    return torch.softmax(logits.float(), dim=-1)[:, 1].cpu().tolist()

Files

filepurpose
model.safetensorsweights (149.6M params, ~600 MB)
config.jsonModernBERT config + classifier head
tokenizer.json, tokenizer_config.jsontokenizer

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
4bf4a14

0 моделей