/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Опубликована
6 июл 2026

sifta-fakenews-xlmr

Классификация текстаТекст → label3 профессии

Модель SIFTA классифицирует англоязычные и урдуязычные новости как правдивые или фейковые для первичного выявления дезинформации.

16скачиваний за 30 дней1лайквеса обновлены11 июл 2026

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

SIFTA — многоязычная модель для бинарной классификации новостных текстов на правдивые и фейковые. Её разработал Muhammad Umair Khan в рамках выпускного проекта SIFTA в Sir Syed University of Engineering and Technology; модель дообучена на базе xlm-roberta-base и использует архитектуру XLM-RoBERTa для классификации последовательностей. В репозитории указано 305,2 млн параметров, формат весов safetensors и контекст до 514 токенов.

Модель предназначена для выявления дезинформации в английских и урдуязычных новостях, заголовках и коротких фрагментах. Она возвращает метку TRUE или FAKE; в платформе SIFTA этот результат объединяется с сигналами проверки источников для формирования итоговой оценки доверия. В README приведены результаты тестирования на отложенной выборке, включая macro-F1 0,9695 в целом и 0,9053 для урду, однако эти показатели относятся к указанному набору данных и не гарантируют качество на других источниках.

Модель распространяется по лицензии MIT. Она оптимизирована для коротких текстов до 256 токенов; сатира и мнения могут классифицироваться ошибочно. Для оценки достоверности её следует применять вместе с проверкой источников, а не как единственное основание для решения.

Сценарии применения

  • проверка заголовков на признаки фейковых новостей
  • классификация англоязычных новостных статей по меткам TRUE и FAKE
  • проверка урдуязычных новостей на дезинформацию
  • предварительная фильтрация коротких новостных фрагментов
  • добавление сигнала классификации новостей в систему проверки источников

Ограничения

Модель оптимизирована для заголовков и коротких фрагментов до 256 токенов; качество на урду ниже, чем на английском. Сатира и мнения могут классифицироваться неверно, поэтому результат следует дополнять проверкой источников.

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

SIFTA — Multilingual Fake News Detector (EN + UR)

Model: Fine-tuned xlm-roberta-base for binary fake news classification Languages: English · Urdu (اردو) Labels: TRUE (0) · FAKE (1) Student: Muhammad Umair Khan · 2023F-BCET-010 Institute: Sir Syed University of Engineering and Technology, Karachi Project: SIFTA — AI Misinformation Detection Platform (Final Year Project 2025–26)


Model Description

This model fine-tunes XLM-RoBERTa base on a combined English + Urdu fake news corpus. It is the core ML component of SIFTA — a multi-modal AI misinformation detection platform that also performs voice clone detection, document forgery analysis, and live source verification.

The raw probability output is passed through SIFTA's Decision Engine alongside live source verification signals to produce a five-class Trust Score verdict: Verified Real · Likely Real · Uncertain · Unable to Verify · Likely Fake.


Training Data

DatasetSamples (train)Language
ISOT32482English
UrduFakeNews-AxToGrind8054Urdu
Total40536EN + UR

Dataset details

Urdu — Ax-to-Grind UrduFakeNews Corpus

  • 10,106 news items from Pakistani social media and news outlets
  • Binary labels: TRUE / FAKE
  • Near-balanced: ~5,039 FAKE / ~4,997 TRUE
  • Average length: 351 characters per item

LIAR (Wang, 2017)

  • 12,836 political statements from PolitiFact
  • 6-way labels mapped to binary:
    • pants-fire / false / barely-true → FAKE
    • half-true / mostly-true / true → TRUE

ISOT Fake News Dataset (University of Victoria)

  • ~44,000 real/fake news articles
  • Real: Reuters. Fake: unreliable sources. Already binary labelled.

Training Configuration

ParameterValue
Base modelxlm-roberta-base
Max token length256
Epochs5
Batch size16 x 2 grad accum = 32 effective
Learning rate2e-05
LR scheduleCosine with 10% linear warmup
Weight decay0.01
Dropout0.1
LossCrossEntropyLoss with inverse-frequency class weights
Early stoppingPatience 3 on val macro-F1
Mixed precisionfp16 on T4 GPU
Random seed42

Evaluation Results

Overall (held-out test set — 10% stratified)

MetricScore
Accuracy0.9696
Macro F10.9695
TRUE (class 0) F10.9676
FAKE (class 1) F10.9713

Per-language macro-F1

LanguageMacro F1
EN0.9854
UR0.9053

Full classification report

              precision    recall  f1-score   support

        TRUE     0.9632    0.9721    0.9676      2369
        FAKE     0.9753    0.9674    0.9713      2698

    accuracy                         0.9696      5067
   macro avg     0.9693    0.9698    0.9695      5067
weighted avg     0.9697    0.9696    0.9696      5067

Confusion Matrix

Confusion Matrix

Predicted TRUEPredicted FAKE
Actual TRUE2,303 (TN)66 (FP)
Actual FAKE88 (FN)2,610 (TP)
  • TRUE recall: 97.2%
  • FAKE recall: 96.7%

Usage

HuggingFace Inference API (used by SIFTA backend)

import httpx

API_URL = "https://api-inference.huggingface.co/models/zodumair/sifta-fakenews-xlmr"
headers = {"Authorization": "Bearer hf_your_token_here"}

def classify(text):
    return httpx.post(API_URL, headers=headers, json={'inputs': text}).json()

print(classify("Scientists confirm new vaccine is 77% effective."))
print(classify("حکومت نے خفیہ طور پر ملک کا سارا سونا بیرون ملک بھیج دیا"))

Local inference

from transformers import pipeline

classifier = pipeline("text-classification", model="zodumair/sifta-fakenews-xlmr")
print(classifier("SHOCKING: Scientists hiding cancer cure from the public."))
# [{'label': 'FAKE', 'score': 0.93}]

Limitations

  • Optimised for headlines and short excerpts under 256 tokens
  • Urdu performance is lower than English due to smaller Urdu training set
  • Satire and opinion pieces may be misclassified
  • Use alongside source verification — not as a standalone decision tool

Citation

@misc{sifta2026,
  author      = {Muhammad Umair Khan},
  title       = {SIFTA: AI Misinformation Detection Platform},
  year        = {2026},
  institution = {Sir Syed University of Engineering and Technology, Karachi},
  note        = {Final Year Project, Batch 2023F}
}

SIFTA FYP SSUET Karachi · Batch 2023F · 2023F-BCET-010

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
229fb3c

0 моделей