II.11Кибербезопасность и приватность

Модель pysentimiento/bertabaporu-pt-hate-speech предназначена для выявления языка вражды в текстах на португальском языке. Она создана на основе BERTabaporu — модели RoBERTa, обученной на португалоязычных твитах, и дообучена для классификации текстов. Модель содержит 162,4 млн параметров, использует архитектуру BERT для классификации последовательностей и обрабатывает контекст длиной до 512 токенов. Модель можно применять для анализа публикаций и сообщений на португальском языке, например для модерации пользовательского контента и мониторинга социальных сетей. Карточка предлагает запуск через библиотеку pysentimiento. Данных о лицензии и известных ограничениях в предоставленных источниках нет.

Модель deepset/bert-base-german-cased-hatespeech-GermEval18Coarse — немецкоязычная модель BERT v1, разработанная deepset и дообученная для классификации текстов с целью выявления языка ненависти. Она предназначена для анализа немецких текстов и определения наличия hate speech в сценариях модерации и исследования онлайн-коммуникации. Модель содержит 136,3 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Доступны веса в форматах PyTorch и Flax, включая safetensors. Лицензия — CC BY 4.0. Карточка не сообщает метрики качества и подробности о классах классификации.

Brigand-Refusal-ModernBERT — англоязычный классификатор, разработанный Martin Bukowski для анализа ответов больших языковых моделей в контурах безопасности и выравнивания. Он одновременно предсказывает позицию ответа — выполнение запроса или отказ, семейство ответа из 19 типов, семейство паттерна рассуждения из 11 типов и тип документа. Два потока обработки используют общие веса ModernBERT-base: один анализирует пару «запрос — ответ», другой — «запрос — рассуждение»; все четыре группы предсказаний формируются за один проход модели. Модель предназначена для разметки поведения LLM, подготовки обучающих сигналов для reward-моделей и фильтрации ответов во время инференса. Она различает, например, общий, юридический и этический отказ, а также случаи частичного выполнения запроса перед отказом. В README описаны калибровка оценок семейств ответов и отдельная обработка блоков рассуждений. Модель дообучена на ModernBERT-base и опубликована в формате safetensors; лицензия — Apache-2.0. Основное назначение — англоязычные данные. Автор отмечает, что многоязычное покрытие минимально, а для некоторых многоязычных категорий валидационных примеров мало, поэтому такие предсказания следует считать ориентировочными. В предоставленной карточке не указаны размер модели и длина контекста.

Это оптимизированная версия Detoxify, подготовленная dcferreira как эксперимент по освоению библиотеки 🤗 Optimum. Модель классифицирует текст и предназначена для выявления токсичного содержания; архитектура — XLM-RoBERTa для классификации последовательностей, размер — около 305,2 млн параметров, контекст — до 514 токенов. Репозиторий содержит ONNX-формат, для загрузки требуется 🤗 Optimum. По приведённым автором замерам оптимизация ONNX Runtime O4 сокращает объём файлов с 1,1 ГБ до 540 МБ и потребление видеопамяти с 3 ГБ до 2 ГБ, а скорость на GPU повышается с 250 до 650 образцов в секунду. Точность в сравнении указана как 92,1031% против 92,1083% у исходной модели, то есть снижение небольшое. Лицензия — Apache-2.0.

HAYAA — дообученная модель автора youssefreda9 на основе UBC-NLP/MARBERTv2 для бинарной классификации арабского текста по меткам «безопасный» и «токсичный». Она выявляет оскорбления, ненавистнические высказывания, травлю, нецензурную лексику и другие формы токсичного контента в основных арабских диалектах, включая египетский, левантийский, заливный, магрибский, иракский, суданский и литературный арабский. Модель построена на архитектуре BERT для классификации последовательностей, содержит 190 млн параметров и принимает текст с контекстом до 512 токенов. Она предназначена для модерации соцсетей, форумов и комментариев, а также для инструментов родительского контроля и исследований арабоязычных токсичных высказываний. В README указаны 97,84% точности и F1 94,12% для токсичного класса на тестовом наборе примерно из 100 тысяч предложений; эти показатели относятся к описанной авторами оценке. HAYAA обучена на публичных арабоязычных наборах данных. Среди ограничений авторы отмечают преобладание данных из Twitter, шум в исходных разметках, неодинаковое представление диалектов, усечение длинных последовательностей и отсутствие учёта диалогового контекста. Модель следует использовать как вспомогательный инструмент с проверкой человеком. Лицензия репозитория — Apache-2.0.

GBDA/nsfw_image_detection — модель классификации изображений на базе Vision Transformer (ViT), дообученная для различения двух классов: обычный контент и NSFW. В основе лежит google/vit-base-patch16-224-in21k, предварительно обученная на ImageNet-21k; модель содержит 113,2 млн параметров и рассчитана на изображения, приводимые к разрешению 224×224 пикселя. Модель предназначена для фильтрации изображений и модерации контента в приложениях, где нужно выявлять материалы для взрослых. В README указано, что дообучение проводилось на 80 000 изображениях из закрытого набора данных. Модель распространяется по лицензии Apache-2.0. Карточка заявляет высокую точность, но не приводит метрик или независимой оценки; качество классификации и применимость к конкретному контенту следует проверять отдельно.

Qwen3.8-27B-Uncensored — мультимодальная модель для диалогов и анализа изображений и видео, созданная на основе Qwen3.8-27B и опубликованная choz. Это дообученная версия с многоэтапной abliteration, направленной на снижение частоты отказов; базовая архитектура — причинная языковая модель с визуальным энкодером, размер — 27 млрд параметров. Модель предназначена прежде всего для исследований механизмов отказа и выравнивания, интерпретируемости, контролируемого red teaming и оценки устойчивости. Она принимает текст, изображения и видео, поддерживает английский и китайский языки. Контекст базовой модели составляет 262 144 токена с возможностью расширения до 1 000 000; режим рассуждения включён по умолчанию и может настраиваться. Снижение защитных механизмов означает, что модель может выполнять вредоносные и незаконные запросы, на которые базовая версия отказала бы; у неё нет надёжных встроенных ограничителей. Для публичного или пользовательского применения требуется отдельная модерация и защита от злоупотреблений. Весовые файлы доступны в формате Safetensors для Transformers и совместимых средств запуска. Лицензия — Apache 2.0.

Qwen3.8-Flash-Next-Uncensored-MLX — это производная MLX-сборка базовой модели Qwen3.8-Flash-Next, разработанная OrcaRouter для запуска на устройствах Apple Silicon через Metal. Модель подвергнута abliteration — удалению направления отказа, связанного с защитным поведением, — а затем квантизирована. Она предназначена прежде всего для исследований интерпретируемости, AI-безопасности, red teaming, оценки устойчивости и контролируемых экспериментов, а не для непосредственного использования конечными пользователями. Модель поддерживает текст, изображения и видео, заявлены английский и китайский языки. Архитектура Qwen4ExpForConditionalGeneration включает 48 слоёв, скрытое представление размерностью 2560, гибридное внимание с 36 слоями Gated-DeltaNet и 12 слоями полного внимания, Mixture-of-Experts с 512 экспертами и выбором 10 экспертов, общий эксперт, Hyper-Connections, vision- и video-компоненты, а также MTP-голову для спекулятивного декодирования. Контекстное окно составляет 262 144 токена. Версия в корне репозитория использует MLX affine 4-bit-квантизацию с размером группы 64, имеет эффективный размер около 7,85 бит на вес и занимает примерно 163 ГБ; также доступны варианты 6 и 8 бит. Сильными сторонами модели являются мультимодальность, большое контекстное окно, MoE-архитектура и оптимизация под Apple Silicon. Главным ограничением и риском является существенное удаление защитного выравнивания: модель может выполнять вредоносные, неэтичные и незаконные запросы, от которых исходная модель отказалась бы, поэтому необходимы собственные механизмы безопасности, модерации и предотвращения злоупотреблений. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой модели; ответственность за использование и результаты генерации несёт пользователь.

LFTW R3 Target — модель классификации текста на базе RoBERTa, представленная в исследовании Learning from the Worst: Dynamically Generated Datasets to Improve Online Hate Detection. Она предназначена для обнаружения и классификации оскорбительной и ненавистнической речи в тексте, в том числе в сценариях онлайн-модерации. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает текстовые последовательности длиной до 514 токенов. В метаданных указан английский язык. Репозиторий содержит веса PyTorch. Модель связана с исследовательским проектом по улучшению обнаружения ненавистнической речи; лицензия в предоставленных данных не указана.

Xenova/toxic-bert — модель для классификации токсичности текста, разработанная на основе unitary/toxic-bert и распространяемая с весами в формате ONNX. Репозиторий подготовлен для совместимости с библиотекой Transformers.js и ориентирован на выполнение классификации непосредственно в JavaScript-приложениях, включая веб-сценарии. Модель предназначена для анализа текстовых сообщений и может использоваться, например, при предварительной модерации пользовательского контента и выявлении токсичных высказываний. В README приведён пример применения через pipeline с задачей text-classification. Подробные сведения о размере модели, архитектуре, поддерживаемых языках, длине контекста и точных метриках не указаны. Ключевое преимущество — наличие ONNX-весов, упрощающих использование модели в экосистеме Transformers.js. Ограничения и условия лицензирования в предоставленных данных не описаны; также отсутствует информация о точности, наборе данных и границах применимости модели.

YOLO26s NSFW V2 — модель компьютерного зрения для обнаружения объектов, разработанная автором репозитория на архитектуре Ultralytics YOLO26s и дообученная на проверенных человеком изображениях. Она локализует 19 категорий лица, нейтральных частей тела и чувствительных анатомических областей, включая закрытые и открытые области. Для каждого объекта модель выдаёт метку класса, координаты ограничивающей рамки и оценку уверенности. Модель принимает изображения и предназначена для предварительной разметки наборов данных, локального обнаружения анатомических областей и создания пользовательских инструментов фильтрации приватных изображений. Это детектор отдельных объектов: он не присваивает изображению общую оценку безопасности и сам не применяет правила модерации. Вес файла ONNX — 19,4 МБ; заявленное входное разрешение — 640×640 с возможностью использовать более высокое разрешение. В README отмечено снижение качества для классов MALE_BREAST_EXPOSED и MALE_GENITALIA_EXPOSED относительно предыдущей версии. Модель предназначена только для совершеннолетних пользователей; применение к материалам с несовершеннолетними и несанкционированным интимным изображениям запрещено автором. Лицензия — AGPL-3.0.

BERTicelli — англоязычная модель классификации текста на базе BERT, созданная Моной Аллерт, Леонардо Гротти и Патриком Квиком в рамках учебного проекта по анализу цифровых текстов в Университете Антверпена. Модель дообучена на английской версии BERT base cased с использованием обучающей части набора OLID и содержит 135,5 млн параметров. Модель предназначена для выявления оскорбительной и агрессивной лексики в англоязычных текстах, включая распознавание языка ненависти и другого недопустимого контента. Её можно применять для предварительной модерации пользовательских сообщений и анализа текстов в рамках исследований. Архитектура — BERT для классификации последовательностей; модель принимает текст и выдаёт метки классов. Максимальная длина контекста — 512 токенов. Доступна в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробностей о точном наборе предсказываемых меток, поэтому пригодность для конкретной политики модерации следует проверять отдельно.

BERT-Tiny — компактная модель семейства BERT, дообученная Manuel Romero (mrm8488) для классификации SMS как спама или обычного сообщения на наборе sms_spam. Она предназначена для фильтрации нежелательных SMS и может использоваться через Transformers как модель text-classification. В карточке указано 4,4 млн параметров, контекст до 512 токенов и точность 0,98 на валидационной выборке. Модель принимает текст и выдаёт метку класса с оценкой. Карточка указывает английский язык и не сообщает отдельные ограничения качества или лицензию; результаты валидации относятся к указанной задаче и выборке.

ARCFACE IR101 WEBFACE4M — модель распознавания лиц, опубликованная проектом CVLFace в виде предварительно обученных весов. Она использует архитектуру IR101 и связана с методом ArcFace, описанным в статье «ArcFace: Additive Angular Margin Loss for Deep Face Recognition». Репозиторий содержит веса в формате safetensors и предназначен для извлечения признаковых векторов лиц, которые можно применять для сравнения и сопоставления лиц. Модель принимает изображения лиц и выдаёт признаки для последующих задач распознавания. В README не приведены сведения о размере входа и количественной оценке качества. Для использования авторы просят цитировать исходную статью и соблюдать лицензию обучающего набора данных; отдельная лицензия модели в предоставленных сведениях не указана.

dehatebert-mono-indonesian — модель классификации текста для выявления языка ненависти в сообщениях на индонезийском языке. Авторы карточки указывают, что она дообучена на multilingual BERT в монолингвальном режиме. Метаданные описывают архитектуру как BERT с классификационной головой BertForSequenceClassification и содержат веса в форматах PyTorch и Flax; размер модели — 194,6 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для автоматической модерации и анализа индонезоязычных сообщений, содержащих язык ненависти. В README приведён лучший результат на валидации — 0,844494 при learning rate 2e-5, однако сама метрика не уточнена. Карточка ссылается на исследование о многоязычном выявлении языка ненависти, опубликованное в рамках ECML-PKDD 2020. Лицензия в предоставленных данных не указана.

HATE-ITA Base — модель MilaNLProc для бинарной классификации итальянских публикаций в социальных сетях на наличие языка ненависти. Она дообучена на базе XLM-T; семейство XLM-RoBERTa и размер 305,2 млн параметров указаны в метаданных. Модель принимает текст и выдаёт метки классификации. В статье сообщается F1 0,83 на тестовой выборке; авторы описывают обучение на крупных англоязычных данных и доступных итальянских наборах данных, а также способность распознавать местные оскорбительные выражения. Модель предназначена для выявления языка ненависти в итальянском тексте, в том числе в сообщениях соцсетей, и для исследовательского анализа такого контента. Контекст — до 514 токенов. Лицензия — GPL-3.0. Авторы предупреждают, что результаты не гарантируют стабильную и справедливую точность для разных групп и категорий: модель может упускать важные нюансы. Поэтому классификацию следует трактовать осторожно, а не как окончательную оценку содержания.

OBLITERATUS-Qwen3.8-27B-OBLITERATED-unsloth-mlx — производная от Qwen/Qwen3.8-27B модель, созданная Pliny the Prompter с применением методов abliteration и смешивания весов. Это плотная мультимодальная модель семейства Qwen с 27 млрд параметров; базовая модель предназначена для диалогов, анализа изображений и видео, программирования и многошаговых задач. В карточке представлены веса safetensors и GGUF, а также 4- и 8-битные варианты MLX для Apple Silicon. Модель предназначена для исследований геометрии отказов и устойчивости защитных механизмов, red-team-оценок и локальных экспериментов с ответами без штатных ограничений безопасности. Автор сообщает о частоте отказов 0,24% на наборе из 842 запросов и результате MMLU 84,32% против 84,60% у исходной модели; это результаты проверок автора, а не независимая оценка. Рекомендуются температура 0, штраф за повторы 1,15 и не менее 2048 новых токенов; для GGUF автор советует отключить режим thinking. По описанию, модель чаще отвечает на запросы, которые исходная Qwen3.8-27B отклонила бы, поэтому её использование требует осторожности. Лицензия — Apache-2.0. README сообщает, что MLX-квантизации основаны на V1 и ещё не обновлены до V2; также полная проверка MMLU на 14 тысячах вопросов на момент публикации продолжалась.

RVN-Qwen3.8-Flash-Next-Abliterated-Uncensored — текстовая диалоговая модель на базе Qwen3.8-Flash-Next, выпущенная 0bserverx. Это дообученная версия с изменённым поведением отказов: автор сообщает о 2 строгих отказах на 100 запросов в своём тесте, а также о прямом выполнении 65 и содержательных перенаправлениях 32 запросов из 100. Модель использует архитектуру MoE и содержит 5,1 млрд параметров; нативный контекст — 262 144 токена. Модель предназначена для диалога, контролируемых исследований поведения отказов и следования инструкциям, red-team-тестирования и проверки устойчивости к чувствительным или состязательным запросам. README приводит ограниченные результаты оценки на нескольких тестах и отдельные замеры производительности и perplexity для GGUF Q6_K; они не доказывают сохранение возможностей в целом и зависят от тестовой конфигурации. Выпуск рассчитан только на текст: в репозитории нет визуального проектора и черновой головы NextN/MTP. Для запуска требуется совместимая свежая версия Transformers, vLLM или llama.cpp с поддержкой архитектуры Qwen4Exp. Лицензия указана как other; точные условия README не раскрывает. Автор ограничивает заявленное назначение законным исследованием и контролируемой оценкой, а результаты теста отказов не гарантируют поведения на других запросах.

SafeKey-7B — разговорная языковая модель с плотной архитектурой Qwen2 и 7,1 млрд параметров, представленная в формате Safetensors. Репозиторий описывает её как модель из работы «SafeKey: Amplifying Aha-Moment Insights for Safety Reasoning», посвящённой рассуждениям о безопасности. Модель предназначена для генерации текста в диалогах и задач, связанных с рассуждениями о безопасности. В метаданных указаны поддержка чата и интерфейса вызова инструментов, а контекст составляет до 131 072 токенов. Карточка не описывает конкретные языки или подробные сценарии применения. Лицензия — MIT.

SafetyAdapter-Scorecard — компактный адаптер для повышения согласованности отказов, обработки чувствительных данных и осторожных ответов с учётом политик у инструкционно настроенных языковых моделей. Он сохраняет архитектуру базовой модели и подключается к ней вместе с исходным шаблоном чата. В README приведены результаты сравнений по устойчивости к токсичности, отказам на jailbreak-запросы и редактированию персональных данных; также описан выбор контрольной точки по сочетанию безопасности и калибровки. Метаданные репозитория указывают на архитектуру BERT и задачу feature-extraction, но README описывает применение адаптера с инструкционной языковой моделью. Базовая модель не названа. Репозиторий содержит файлы PyTorch и распространяется по лицензии MIT. Адаптер предназначен для сценариев, где важны осторожные ответы и корректные отказы. Он не заменяет проверку политик безопасности конкретного приложения; README рекомендует оценивать его с целевой базовой моделью и аудиторией перед развёртыванием.

ScopeGuard-2 — специализированная языковая модель на 4 млрд параметров от Principled Intelligence для классификации запросов по границам и правилам AI-сервиса. Она анализирует последнее сообщение пользователя с учётом предыдущих реплик и относит запрос к одному из семи классов, на основе которых приложение может ответить, отказать, перенаправить запрос, отправить заранее заданный ответ или передать его человеку. Модель предназначена для проверки запросов в рабочих приложениях, предварительной проверки действий агентов и маршрутизации обращений. Модель дообучена на базе unsloth/Qwen3.5-4B и распространяется в формате safetensors для Transformers. В README заявлены улучшенная точность и меньшая задержка по сравнению с предыдущей версией; результаты зависят от промпта и условий оценки. Обучающие данные преимущественно англоязычные, а качество классификации на других языках не измерялось. Для корректной работы без библиотеки orbitals требуется в точности воспроизводить обучающий промпт. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Toxic Guardrail MiniLM ID/EN v2 — компактный двуязычный классификатор токсичности и тяжести высказываний, разработанный laskar-ks и дообученный на microsoft/Multilingual-MiniLM-L12-H384. Модель построена на архитектуре BERT, содержит 41,3 млн параметров, принимает текст на индонезийском и английском языках и обрабатывает до 512 токенов. Репозиторий содержит веса Safetensors и экспорт ONNX INT8 для локального инференса на CPU; словарь токенизатора сокращён, поэтому для инференса требуется переназначение token ID, а стандартные pipeline Transformers и AutoModelForSequenceClassification не подходят. Модель классифицирует текст по уровням от безопасного до токсичного, оскорбительного и крайне тяжёлого содержания, помогая приложениям выбирать действия вроде предупреждения, проверки модератором или блокировки. Она ориентирована на двуязычную модерацию, однако качество зависит от языка и класса: распознавание угроз на индонезийском ненадёжно, а точность для тяжёлых классов ограничена, поэтому автоматические решения о блокировке требуют осторожности. Модель распространяется по лицензии CC BY-SA 3.0.

gaunernst/vit_tiny_patch8_112.arcface_ms1mv3 — модель Vision Transformer для распознавания лиц, обученная на наборе данных MS1MV3. Она распространяется в формате safetensors и совместима с библиотекой timm. Модель принимает изображение лица размером 112 × 112 пикселей и выдаёт вектор признаков размерности 512. Выходной вектор не нормализован; в примере использования его нормализуют отдельно. Модель подходит для извлечения эмбеддингов лиц, которые можно применять для сравнения лиц и идентификации. В карточке не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Модель amengemeda/amharic-hate-speech-detection-mBERT разработана путём дообучения многоязычной модели mBERT для выявления языка вражды в текстах на амхарском языке. Базовая модель — Davlan/bert-base-multilingual-cased-finetuned-amharic; архитектура — BERT с классификационной головой BertForSequenceClassification, размер — 205,1 млн параметров. Модель принимает текст и выдаёт метку классификации. Контекстное окно составляет 512 токенов. Модель предназначена для автоматической модерации и анализа амхароязычных сообщений. В README указаны F1-score 0,9172 и точность 91,59%; дообучение проводилось в течение 15 эпох на наборе данных из 30 000 строк. Эти показатели относятся к описанному эксперименту и не гарантируют аналогичного качества на других данных. Лицензия в предоставленных сведениях не указана.

Модель ruanchaves/bert-large-portuguese-cased-hatebr — версия BERTimbau large, дообученная автором на наборе HateBR для классификации португалоязычных текстов на оскорбительные и неоскорбительные. Она предназначена для автоматической модерации пользовательских сообщений и анализа оскорбительной речи. Модель использует архитектуру BERT для классификации последовательностей, содержит 433,2 млн параметров и принимает текст длиной до 512 токенов. Модель рассчитана на португальский язык. В README указано, что набор данных HateBR предназначен строго для академических и исследовательских целей; коммерческое и иное неакадемическое использование запрещено без предварительного письменного согласия SINCH. Это ограничение относится к набору данных и требует проверки условий лицензии самой модели отдельно.

Ujjawal Kumar разработал BERT-классификатор, дообученный на базе bert-base-uncased для многометочной классификации токсичности текста. Он определяет токсичность, непристойность, оскорбления, угрозы и проявления ненависти к группам; одному фрагменту текста могут соответствовать сразу несколько меток. Модель построена на архитектуре BERT, содержит 136,7 млн параметров, принимает текст и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для предварительной модерации пользовательского контента, например сообщений в социальных сетях и чатах. Она поддерживает английский язык. В README лицензия не указана. Возможны ложные срабатывания и пропуски, а также смещения и слабое обобщение на диалекты; перед применением на конкретных данных требуется оценка качества, а решения следует проверять с участием человека.

ADAFACE VIT BASE KPRPE WEBFACE4M — модель распознавания лиц из набора предобученных моделей CVLFace. Она предназначена для извлечения признаковых векторов лиц, которые можно использовать для сравнения и идентификации лиц. Название указывает на архитектуру ViT Base, применение KeyPoint Relative Position Encoding (KPRPE) и обучение на наборе WebFace4M. Карточка связывает модель с работой о KPRPE для распознавания лиц. Модель опубликована в формате safetensors и доступна для извлечения признаков через pipeline feature-extraction. В README указано, что при использовании следует цитировать исходную статью и соблюдать лицензию обучающего датасета; отдельные условия лицензии самой модели в предоставленных данных не приведены.

domenicrosati/deberta-v3-xsmall-beavertails-harmful-qa-classifier — дообученная модель классификации последовательностей на базе microsoft/deberta-v3-xsmall. Она предназначена для классификации вопросов и ответов по признаку вредоносного содержания и может применяться для первичной фильтрации текстовых запросов и ответов. Модель построена на архитектуре DeBERTa V2, содержит 77,5 млн параметров и принимает текст с контекстом до 512 токенов. В README приведены результаты оценки: accuracy и macro F1 составляют 0,8716. Модель ориентирована на английский язык, как и базовая DeBERTa V3 XSmall; метаданные не подтверждают поддержку других языков. Лицензия — MIT. Данные обучения в карточке обозначены как неизвестный датасет, а подробное описание назначения и ограничений отсутствует, поэтому качество фильтрации на иных данных и типах вредоносного контента не гарантировано.

Модель Hate-speech-CNERG/dehatebert-mono-italian предназначена для выявления языка ненависти в текстах на итальянском языке. Это дообученная модель семейства BERT для классификации последовательностей; размер составляет 194,6 млн параметров, максимальная длина контекста — 512 токенов. В карточке указаны реализации PyTorch и Flax. Модель создана в рамках исследования по обнаружению языка ненависти в многоязычных данных. Авторы сообщают о лучшем результате на валидации 0,837288 при learning rate 3e-5. Название mono обозначает монолингвальную настройку; README также описывает обучение только на английских данных, что не согласуется с заявленным назначением для итальянского языка и требует осторожности при оценке применимости. Лицензия — Apache-2.0.

AdamCodd/ettin-safety-filter-stable-diffusion — англоязычный классификатор текстовых запросов для выявления NSFW-содержимого в промптах Stable Diffusion и других конвейеров генерации изображений по тексту. Модель дообучена на энкодере jhu-clsp/ettin-encoder-68m семейства Ettin/ModernBERT; содержит около 68 млн параметров и поддерживает контекст до 8192 токенов. Доступны форматы ONNX и safetensors. Модель предназначена для модерации промптов, включая длинные запросы с нежелательными словами ближе к концу, и может использоваться для фильтрации перед генерацией изображений. В карточке приведены результаты проверки на отложенной выборке из 100 тысяч примеров: ROC-AUC 0,9823, accuracy 0,9317 и F1 0,9308. Для целевой полноты 99% авторы указывают порог 0,0487 и точность 74,8%; это компромисс с заметной долей ложных срабатываний, поэтому порог следует оценивать на данных конкретного применения. Лицензия CC-BY-NC-ND-4.0 ограничивает коммерческое использование и распространение производных версий; для коммерческого применения автор предлагает отдельно запросить права или доступ к API.