/ Модель

Характеристики

Контекст
512 токенов
Параметры
77,5 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-xsmall
Библиотека
transformers
Опубликована
21 ноя 2025

deberta-v3-xsmall-l0-bouncer

Классификация текстаТекст → label4 профессии

Англоязычный классификатор DeBERTa для быстрой первичной фильтрации безопасного и потенциально вредного текста.

1 983скачиваний за 30 дней0лайковвеса обновлены21 ноя 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

L0 Bouncer — англоязычный классификатор безопасности текста на базе DeBERTa-v3-xsmall, разработанный для первичной проверки содержимого в каскадных системах модерации. Это дообученная модель DeBERTa с архитектурой DebertaV2ForSequenceClassification и 77,5 млн параметров; она принимает текст и относит его к одной из двух категорий: безопасный или потенциально вредный. Нативная длина контекста — 512 токенов.

Модель рассчитана на высокопроизводительную фильтрацию с низкой задержкой, в том числе входов и выходов LLM и потоков пользовательского контента. В карточке заявлены полнота 99%, точность 87,6% и F1 93%; приоритет полноты помогает выявлять вредный контент, но может увеличивать число ложных срабатываний. Неоднозначные случаи предполагается передавать более мощным этапам проверки. Модель обучена на 12 000 сбалансированных примеров GuardReasoner; для специализированных областей может потребоваться калибровка. Лицензия — MIT.

Сценарии применения

  • модерация пользовательских сообщений
  • проверка запросов перед отправкой в LLM
  • фильтрация ответов LLM перед показом пользователю
  • первичная проверка контента в каскаде модерации

Ограничения

Классификация только бинарная и оптимизирована для английского текста. Высокая полнота может сопровождаться ложными срабатываниями; для конкретных областей может понадобиться калибровка, а неоднозначные случаи следует передавать на более глубокую проверку.

Для каких профессий подходит4

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

L0 Bouncer - DeBERTa Safety Classifier

A fast, lightweight safety classifier based on DeBERTa-v3-xsmall (22M parameters) that serves as the first tier (L0) in a multi-tier safety cascade system.

Model Description

The L0 Bouncer is designed for high-throughput, low-latency safety screening of text inputs. It provides binary classification (safe vs. harmful) with a focus on maximizing recall to catch potentially harmful content.

Key Features

  • Ultra-fast inference: ~5.7ms per input
  • High recall: 99% (catches nearly all harmful content)
  • Lightweight: Only 22M parameters
  • Production-ready: Designed for real-time content moderation

Performance Metrics

MetricValue
F1 Score93.0%
Recall99.0%
Precision87.6%
Accuracy92.5%
Mean Latency5.74ms
P99 Latency5.86ms

Training Data

Trained on 12,000 balanced samples from the GuardReasoner dataset, which contains diverse examples of safe and harmful content with reasoning annotations.

Training Details

  • Base Model: microsoft/deberta-v3-xsmall
  • Learning Rate: 2e-5
  • Batch Size: 32 (effective, with gradient accumulation)
  • Epochs: 3
  • Max Sequence Length: 256 tokens
  • Class Weighting: 1.5x weight on harmful class for higher recall

Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Load model and tokenizer
model_name = "vincentoh/deberta-v3-xsmall-l0-bouncer"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Classify text
text = "What is the capital of France?"
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=256)

with torch.no_grad():
    outputs = model(**inputs)
    probs = torch.softmax(outputs.logits, dim=-1)

# Labels: 0 = safe, 1 = harmful
safe_prob = probs[0][0].item()
harmful_prob = probs[0][1].item()

label = "safe" if safe_prob > harmful_prob else "harmful"
confidence = max(safe_prob, harmful_prob)

print(f"Label: {label}, Confidence: {confidence:.2%}")

Cascade Architecture

This model is designed to work as the first tier (L0) in a multi-tier safety cascade:

Input → L0 Bouncer (6ms) → 70% pass through
            ↓ 30% escalate
        L1 Analyst (50ms) → Deeper reasoning
            ↓
        L2 Gauntlet (200ms) → Expert ensemble
            ↓
        L3 Judge (async) → Final review

Design Philosophy

  • Safety-first: Prioritizes catching harmful content (high recall) over avoiding false positives
  • Efficient routing: 70% of safe traffic passes at L0, saving compute
  • Graceful escalation: Uncertain cases are escalated to more capable models

Intended Use

Primary Use Cases

  • Content moderation pipelines
  • Safety screening for LLM inputs/outputs
  • First-pass filtering in multi-stage systems
  • Real-time safety classification

Limitations

  • Binary classification only (safe/harmful)
  • Optimized for English text
  • May require calibration for specific domains
  • Should be used with escalation to more capable models for uncertain cases

Citation

If you use this model, please cite:

@misc{l0-bouncer-2024,
  author = {Vincent Oh},
  title = {L0 Bouncer: A Fast Safety Classifier for Content Moderation},
  year = {2024},
  publisher = {HuggingFace},
  url = {https://huggingface.co/vincentoh/deberta-v3-xsmall-l0-bouncer}
}

License

MIT License - Free for commercial and non-commercial use.

Contact

For questions or issues, please open an issue on the model repository.

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
DebertaV2ForSequenceClassification
Ревизия весов
c4d0015

0 моделей