Англоязычная модель на базе BERT для классификации комментариев по уровням приемлемости, неуместности, оскорбительности и насилия.

Подходит для: выявление оскорбительных комментариев на YouTube · модерация англоязычных публикаций в социальных сетях · классификация комментариев по категориям вредного контента

Мультиязычный классификатор размечает сообщения из социальных сетей как подходящие, неприемлемые, оскорбительные или жестокие.

Подходит для: модерация комментариев YouTube на английском и итальянском языках · модерация сообщений Twitter на словенском языке · выявление оскорбительных публикаций

Модель на основе BERTje классифицирует нидерландоязычные публикации в соцсетях по четырём уровням приемлемости и вредоносности.

Подходит для: модерация нидерландоязычных публикаций в соцсетях · выявление оскорбительных сообщений на нидерландском языке · поиск публикаций с языком ненависти

SPP-T0 — англоязычная инструктивная модель на 1,7 млрд параметров для исследований согласования поведения и устойчивости к jailbreak-запросам.

Подходит для: эксперименты с конституционным согласованием поведения · изучение обобщения ценностей в ответах модели · оценка устойчивости диалоговой модели к jailbreak-запросам

Итальянский BERT-классификатор для выявления неприемлемых, оскорбительных и содержащих насилие комментариев в социальных сетях.

Подходит для: модерация комментариев YouTube на итальянском языке · выявление ненавистнических высказываний в италоязычных соцсетях · классификация комментариев по степени неприемлемости

Базовая языковая модель на 1,7 млрд параметров с обучением Synthetic Persona Pretraining для исследований выравнивания, безопасности и дальнейшего дообучения.

Подходит для: исследование влияния синтетических ценностных отражений на продолжение текста · оценка поведения языковой модели в исследованиях безопасности · зондирование промежуточных контрольных точек обучения

Базовая англоязычная модель на 3 млрд параметров для исследований Synthetic Persona Pretraining, выравнивания и безопасности, а также для продолжения текста и дальнейшего дообучения.

Подходит для: продолжение англоязычного текста · исследование влияния Synthetic Persona Pretraining на поведение модели · зондирование поведения модели в исследованиях безопасности

SPP-T0 Instruct — англоязычная модель Llama на 3 млрд параметров для диалогов и исследований выравнивания поведения с обучением Synthetic Persona Pretraining.

Подходит для: исследование конституционного выравнивания языковых моделей · сравнение вариантов обучения с разной долей примеров безопасности · изучение обобщения ценностей в диалоговых ответах