Англоязычный BERT-классификатор для выявления поощрения суицида и самоповреждения в ответах языковых моделей.
Подходит для: Фильтрация ответов чат-бота на поощрение суицида · Проверка ответов ассистента на инструкции по самоповреждению · Встраивание профильного фильтра в многоуровневую систему безопасности