/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
OpenRAIL++
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Опубликована
2 фев 2024

xlmr-large-toxicity-classifier

Классификация текстаТекст → label3 профессии

Мультиязычная модель XLM-RoBERTa определяет, является ли текст токсичным, для автоматической модерации контента.

3 029скачиваний за 30 дней17лайковвеса обновлены20 мар 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

Мультиязычный классификатор токсичности TextDetox на базе XLM-RoBERTa large, дообученный на наборе textdetox/multilingual_toxicity_dataset для бинарного определения токсичного текста. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов.

Модель предназначена для выявления токсичных сообщений в многоязычных текстовых потоках, например при модерации комментариев и анализе пользовательского контента. В README приведены результаты на сбалансированной тестовой выборке: F1 0,871 по всем языкам, 0,965 для английского и 0,979 для русского. Метаданные перечисляют поддержку английского, русского, украинского, испанского, немецкого, амхарского, арабского, китайского и хинди. Модель распространяется по лицензии OpenRAIL++.

Классификатор выдаёт метку токсичности и не заменяет контекстную модерацию: представленные метрики относятся к указанной тестовой выборке, а README не приводит результаты по каждому из девяти языков. Основа модели — FacebookAI/xlm-roberta-large.

Сценарии применения

  • фильтрация токсичных комментариев
  • первичная модерация сообщений в чатах
  • пометка потенциально оскорбительных публикаций
  • анализ токсичности пользовательских текстов на нескольких языках

Ограничения

На тестовой выборке F1 составил 0,871 по всем языкам; в README отдельно приведены результаты только для английского и русского. Классификация может ошибаться на контекстно-зависимых высказываниях и требует оценки на данных целевого применения.

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

Multilingual Toxicity Classifier for 9 languages (2024)

This is an instance of xlm-roberta-large that was fine-tuned on binary toxicity classification task based on our compiled dataset textdetox/multilingual_toxicity_dataset.

Firstly, we separated a balanced 20% test set to check the model adequency. Then, the model was fine-tuned on the full data. The results on the test set are the following:

PrecisionRecallF1
all_lang0.87130.87100.8710
en0.96500.96500.9650
ru0.97910.97900.9790
uk0.92670.92500.9251
de0.87910.87600.8758
es0.87000.87000.8700
ar0.77870.77800.7780
am0.77810.77800.7780
hi0.93600.93600.9360
zh0.73180.73200.7315

Citation

If you would like to acknowledge our work, please, cite the following manuscripts:

@inproceedings{dementieva2024overview,
  title={Overview of the Multilingual Text Detoxification Task at PAN 2024},
  author={Dementieva, Daryna and Moskovskiy, Daniil and Babakov, Nikolay and Ayele, Abinew Ali and Rizwan, Naquee and Schneider, Frolian and Wang, Xintog and Yimam, Seid Muhie and Ustalov, Dmitry and Stakovskii, Elisei and Smirnova, Alisa and Elnagar, Ashraf and Mukherjee, Animesh and Panchenko, Alexander},
  booktitle={Working Notes of CLEF 2024 - Conference and Labs of the Evaluation Forum},
  editor={Guglielmo Faggioli and Nicola Ferro and Petra Galu{\v{s}}{\v{c}}{\'a}kov{\'a} and Alba Garc{\'i}a Seco de Herrera},
  year={2024},
  organization={CEUR-WS.org}
}
@inproceedings{DBLP:conf/ecir/BevendorffCCDEFFKMMPPRRSSSTUWZ24,
  author       = {Janek Bevendorff and
                  Xavier Bonet Casals and
                  Berta Chulvi and
                  Daryna Dementieva and
                  Ashaf Elnagar and
                  Dayne Freitag and
                  Maik Fr{\"{o}}be and
                  Damir Korencic and
                  Maximilian Mayerl and
                  Animesh Mukherjee and
                  Alexander Panchenko and
                  Martin Potthast and
                  Francisco Rangel and
                  Paolo Rosso and
                  Alisa Smirnova and
                  Efstathios Stamatatos and
                  Benno Stein and
                  Mariona Taul{\'{e}} and
                  Dmitry Ustalov and
                  Matti Wiegmann and
                  Eva Zangerle},
  editor       = {Nazli Goharian and
                  Nicola Tonellotto and
                  Yulan He and
                  Aldo Lipani and
                  Graham McDonald and
                  Craig Macdonald and
                  Iadh Ounis},
  title        = {Overview of {PAN} 2024: Multi-author Writing Style Analysis, Multilingual
                  Text Detoxification, Oppositional Thinking Analysis, and Generative
                  {AI} Authorship Verification - Extended Abstract},
  booktitle    = {Advances in Information Retrieval - 46th European Conference on Information
                  Retrieval, {ECIR} 2024, Glasgow, UK, March 24-28, 2024, Proceedings,
                  Part {VI}},
  series       = {Lecture Notes in Computer Science},
  volume       = {14613},
  pages        = {3--10},
  publisher    = {Springer},
  year         = {2024},
  url          = {https://doi.org/10.1007/978-3-031-56072-9\_1},
  doi          = {10.1007/978-3-031-56072-9\_1},
  timestamp    = {Fri, 29 Mar 2024 23:01:36 +0100},
  biburl       = {https://dblp.org/rec/conf/ecir/BevendorffCCDEFFKMMPPRRSSSTUWZ24.bib},
  bibsource    = {dblp computer science bibliography, https://dblp.org}
}

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
XLMRobertaForSequenceClassification
Ревизия весов
b9c7c56

0 моделей