Англоязычная модель на базе DistilRoBERTa классифицирует текст как нейтральный или предвзятый.
6 104скачиваний за 30 дней12лайковвеса обновлены8 июн 2022
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
Модель valurank/distilroberta-bias разработана ValuRank на основе distilroberta-base: к предобученным весам добавлена классификационная голова, дообученная для определения предвзятости текста. Она относит входной текст к одному из двух классов: нейтральный или предвзятый. Модель предназначена для анализа англоязычных текстов, например проверки материалов и изучения предвзятых формулировок.
Архитектура — RoBERTa для классификации последовательностей, размер — 95,2 млн параметров. Максимальная длина входа составляет 512 токенов (514 токенов в метаданных контекста). Для дообучения использован набор wikirev-bias, основанный на правках английской Википедии. Модель принимает текст и выдаёт категорию; пригодность классификации для других жанров и областей данных из карточки не следует.
Лицензия указана как other, поэтому конкретные условия использования нужно проверять в карточке репозитория.
Сценарии применения
выявление предвзятых формулировок в англоязычном тексте
первичная проверка редакторских правок на предвзятость
классификация фрагментов текста по категориям «нейтральный» и «предвзятый»
Ограничения
Модель обучена на англоязычных правках Википедии, поэтому её качество на других языках, жанрах и предметных областях не подтверждено. Максимальная длина входа — 512 токенов; конкретные условия лицензии нужно уточнить в карточке репозитория.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
This model is based on distilroberta-base pretrained weights, with a classification head fine-tuned to classify text into 2 categories (neutral, biased).