К содержимому
Другое

duanju-llm

детектор текстовых нарушений для коротких видео

2 мин чтения

Модель для токенового анализа текстов дистрибуции коротких сериалов (названий, описаний, обложек и тегов) находит шесть категорий нарушений с точностью до символьных смещений (span). Основана на архитектуре Microsoft Multilingual-MiniLM-L12 с урезанной до 20k词леммой и общим весом всего 29.3 млн параметров. Выдает не общий вердикт, а конкретные фрагменты текста, требующие внимания модератора или доработки. Благодаря экспорту в ONNX с динамическим int8 квантованием модель работает исключительно на CPU и потребляет минимум ресурсов.

Ключевые особенности

  • Шесть категорий: определяет экстремальные формулировки, преувеличения, призывы к оплате, заимствование имен, вульгарность и суеверия.
  • Легковесный ONNX: модель весом около 29.5 МБ запускается без тяжелых фреймворков вроде PyTorch.
  • Высокая скорость: обеспечивает низкую задержку на CPU (около 6 миллисекунд на инференс) и высокую пропускную способность.
  • Инструмент подсказок: спроектирован для работы с высокой полнотой (high-recall), выполняя роль ассистента, а не жесткого блокировщика.

Что можно сделать

  • Интеграция в модерацию: внедрить в пайплайн проверки описаний или рекламных материалов коротких видео для быстрой подсветки рискованных фрагментов.
  • Автоматические подсказки редакторам: подсвечивать авторам спорные слова и фразы прямо во время ввода текста в веб-интерфейсе или боте.
  • Аудит контента: пакетно сканировать базы данных текстов для выявления потенциальных триггеров и запрещенных формулировок.

Пример

import json, numpy as np, onnxruntime as ort
from tokenizers import Tokenizer

MODEL_DIR = "fexeak/duanju-llm"
LABELS = ["induce_payment", "piggyback", "superstition_threat",
          "vulgar_suggestive", "exaggeration_promise", "extreme_wording"]
tok = Tokenizer.from_file(f"{MODEL_DIR}/tokenizer.json")
sess = ort.InferenceSession(f"{MODEL_DIR}/model_int8.onnx", providers=["CPUExecutionProvider"])

# Пример базовой инициализации и инференса для поиска нарушений
print("Модель успешно загружена и готова к детекции")
ПодробнееМетрики (F1): ONNX int8 показывает 74.53 (лучше исходного fp32 благодаря дообучению/квантованию).
Железо: чистый CPU, потребление памяти RSS около 650 МБ.
Ограничения: экспериментальная версия на синтетических данных; ручные сложные формулировки могут давать пропуски в категории преувеличений.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # fexeak/duanju-llm
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download fexeak/duanju-llm --local-dir ~/models/duanju-llm
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к duanju-llm
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии duanju-llm — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

fexeak/duanju-llm
Автор
fexeak
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Dweep 1.7B

Dweep 1.7B