/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
distilbert · dense
Опубликована
21 дек 2025

tanaos-spam-detection-v1

Классификация текстаТекст → label3 профессии

Компактная модель Tanaos на базе DistilBERT определяет спам и обычные сообщения на английском языке для первичной фильтрации коммуникаций.

370скачиваний за 30 дней5лайковвеса обновлены28 мар 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

tanaos-spam-detection-v1 — модель Tanaos, созданная с библиотекой Artifex и дообученная на синтетическом наборе примеров спама и обычных сообщений. Она классифицирует англоязычный текст по двум меткам: spam и not_spam. В основе лежит DistilBERT multilingual cased с архитектурой DistilBertForSequenceClassification; модель принимает текст с контекстом до 512 токенов и сохраняется в формате safetensors.

Модель предназначена для первичной фильтрации электронной почты, сообщений в мессенджерах и других текстовых коммуникациях. Среди выявляемых категорий — нежелательная реклама и пропаганда, мошенничество, фишинг, вводящий в заблуждение контент, вредоносные ссылки, материалы для взрослых, а также сообщения с чрезмерным использованием заглавных букв и знаков препинания.

Модель ориентирована на английский язык. Синтетические обучающие данные могут ограничивать обобщение на реальные и новые виды спама; ошибочная классификация возможна, поэтому результаты не следует использовать в высокорисковых сценариях без проверки человеком. Лицензия — MIT.

Сценарии применения

  • фильтрация спама в электронной почте
  • определение спама в сообщениях мессенджеров
  • модерация текстовых сообщений на фишинг и мошенничество
  • выявление нежелательной рекламы и вредоносных ссылок

Ограничения

Модель обучена на синтетических примерах, поэтому её качество на реальных сообщениях и новых видах спама может различаться. Для высокорисковых решений требуется проверка человеком.

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

tanaos-spam-detection-v1: A small but performant base Spam Detection model

This model was created by Tanaos with the Artifex Python library.

This is a spam detection model trained to classify English text as spam or not_spam. It is intended to be used as a first-layer spam filter for email systems, messaging applications or any other text-based communication platform.

The following categories are considered spam:

  1. Unsolicited commercial advertisement or non-commercial proselytizing.
  2. Fraudulent schemes. including get-rich-quick and pyramid schemes.
  3. Phishing attempts. unrealistic offers or announcements.
  4. Content with deceptive or misleading information.
  5. Malware or harmful links.
  6. Adult content or explicit material.
  7. Excessive use of capitalization or punctuation to grab attention.

Languages

The main model language is English, but we have spam detection models specialized in other languages as well:

How to Use

Use this model through the Artifex library:

install Artifex with

pip install artifex

use the model with

from artifex import Artifex

spam_detection = Artifex().spam_detection()

print(spam_detection("You won an IPhone 16! Click here to claim your prize."))

# >>> [{'label': 'spam', 'score': 0.9989}]

Model Description

Training Details

This model was trained using the Artifex Python library

pip install artifex

by providing the following instructions and generating 10,000 synthetic training samples:

from artifex import Artifex

spam_detection = Artifex().spam_detection()

spam_detection.train(
    spam_content=[
        "Unsolicited commercial advertising or non-commercial proselytism",
        "Fraudulent schemes, including get-rich-quick schemes and pyramid schemes",
        "Phishing attempts, unrealistic offers, or misleading advertisements",
        "Content with misleading or false information",
        "Malware or harmful links",
        "Adult content or explicit material",
        "Excessive use of capital letters, punctuation marks, or emojis to attract attention",
    ],
    language="spanish",
    num_samples=10000
)

Intended Uses

This model is intended to:

  • Serve as a first-layer spam filter for email systems, messaging applications, or any other text-based communication platform.
  • Help reduce unwanted or harmful messages by classifying text as spam or not spam.

Not intended for:

  • Use in high-stakes scenarios where misclassification could lead to significant consequences without further human review.

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
DistilBertForSequenceClassification
Ревизия весов
a42cf7e

0 моделей