Характеристики

Контекст: 512 токенов
Параметры: 25,9 млн
Архитектура: bert · dense
Базовая модель: gte-tiny
Библиотека: transformers
Опубликована: 30 мая 2025

Ссылки

Hugging Face

slop-detector-mini-2

trentmkelly

Классификация текстаТекст → label3 профессии

Компактная англоязычная модель классификации текста для обнаружения комментариев Reddit, созданных ИИ.

35скачиваний за 30 дней3лайкавеса обновлены31 мая 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

trentmkelly/slop-detector-mini-2 — компактная модель бинарной классификации текста, разработанная для выявления комментариев Reddit, созданных искусственным интеллектом. Она дообучена на TaylorAI/gte-tiny с использованием AutoTrain и датасета trentmkelly/gpt-slop-2. Модель основана на BERT, содержит 25,9 млн параметров и принимает текст длиной до 512 токенов.

Основной сценарий — локальная проверка комментариев в расширениях браузера с помощью ONNX и Transformers.js: комментарии с оценкой уверенности выше 50% помечаются пользователю. В карточке приведены F1 0,991 и precision 0,986; эти показатели относятся к описанной оценке и не гарантируют такую же точность на других данных. Модель ориентирована на англоязычный разговорный текст Reddit, поэтому на формальных текстах и других доменах качество может отличаться.

В репозитории доступны форматы ONNX и safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

пометка комментариев Reddit, вероятно созданных ИИ
проверка комментариев в расширении браузера в реальном времени
локальная классификация англоязычного разговорного текста

Ограничения

Модель оптимизирована для разговорных комментариев Reddit, поэтому точность на формальных текстах и в других доменах может снижаться; она ориентирована на английский язык. Классификация может ошибаться и не гарантирует безошибочного определения авторства текста.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

slop-detector-mini-2 Model Card

Overview

Binary text classification model for detecting AI-generated content in Reddit comments. Optimized for client-side inference via Transformers.js in browser extensions.

Repository: reddit-llm-comment-detector

Model Details

Problem Type: Binary Text Classification
Training: AutoTrain framework
Domain: Reddit-style conversational text
Deployment: Browser-based inference (ONNX/Transformers.js)

Performance Metrics

Metric	Value
Loss	0.04163680970668793
F1 Score	0.9911573288058857
Precision	0.985579628587507
Recall	0.9967985202048947
AUC	0.9997115393414552
Accuracy	0.991107000569152

Usage

Used in browser extensions for real-time detection of AI-generated Reddit comments. Comments with >50% confidence scores are flagged for users.

Limitations

Optimized for Reddit-style text; may vary on formal content
English language focused
No detection system is 100% accurate

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: BertForSequenceClassification
Ревизия весов: 30775d5