/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Опубликована
21 мар 2024

SafeEdit-Safety-Classifier

Классификация текстаТекст → label3 профессии

Классификатор на базе RoBERTa для оценки безопасности текста и ответов языковых моделей.

601скачиваний за 30 дней5лайковвеса обновлены28 мая 2024

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

SafeEdit-Safety-Classifier — классификатор безопасности текста от ZJUNLP, предназначенный для оценки ответов больших языковых моделей в контексте их детоксикации с помощью редактирования знаний. Модель использует архитектуру RoBERTa и класс RobertaForSequenceClassification; размер составляет 454,1 млн параметров, максимальная длина контекста — 514 токенов.

Модель принимает текст и выдаёт классификацию, которую можно использовать для проверки ответов LLM на безопасность. Карточка показывает загрузку весов и токенизатора через Transformers. Модель опубликована под лицензией Apache-2.0. Карточка не описывает метки классов, пороги, языки обучения или качество классификации.

Сценарии применения

  • Проверка ответов LLM на небезопасный контент
  • Классификация текста по признаку безопасности
  • Оценка ответов при детоксикации языковой модели
  • Фильтрация небезопасных текстовых ответов

Ограничения

Карточка не раскрывает классы и пороги классификации, языки обучения или метрики качества; контекст ограничен 514 токенами.

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

💻 Usage

from transformers import RobertaForSequenceClassification, RobertaTokenizer
safety_classifier_dir = 'zjunlp/SafeEdit-Safety-Classifier'
safety_classifier_model = RobertaForSequenceClassification.from_pretrained(safety_classifier_dir)
safety_classifier_tokenizer = RobertaTokenizer.from_pretrained(safety_classifier_dir)

You can also download DINM-Safety-Classifier manually, and set the safety_classifier_dir to your own path.

📖 Citation

If you use our work, please cite our paper:

@misc{wang2024SafeEdit,
      title={Detoxifying Large Language Models via Knowledge Editing}, 
      author={Mengru Wang, Ningyu Zhang, Ziwen Xu, Zekun Xi, Shumin Deng, Yunzhi Yao, Qishen Zhang, Linyi Yang, Jindong Wang, Huajun Chen},
      year={2024},
      eprint={2403.14472},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
      url={https://arxiv.org/abs/2403.14472},

}

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
RobertaForSequenceClassification
Ревизия весов
e1fe635

0 моделей