望潮 TideWatcher

望潮（TideWatcher）是一个中文攻击性/毒性短文本检测模型，基于 MacBert 微调，是「守望」微博理性发言主动干预插件（weiboextension）的本地快检模型（c2 实装版）。名字取自望潮蟹：涨潮时在滩涂守望，退潮时归洞。

1. 解决什么问题

在微博等中文社交平台，用户常在情绪冲动时发出攻击性、侮辱性言论，既伤害他人，也让自己事后后悔。望潮在发言即将发出前对文本做快速攻击性检测，为插件提供触发"理性劝导"拦截的依据，给冲动一个缓冲。

模型采用 ONNX INT8 量化，纯 CPU 本地推理（不依赖任何 API），单条延迟约 34ms，适合浏览器插件场景下的实时检测。

2. 主要功能

攻击性二分类打分：对中文短文本输出 0~1 的攻击概率
分层判定：score > 0.9 定案攻击、score < 0.1 定案安全，中间区间交由上层大模型复核（与实装链路一致）
本地推理：ONNX Runtime + CPU，无需 GPU、无需 API key、无网络依赖
即插即用：提供 ONNX 权重与完整分词器，两行代码可加载

3. 安装方法

方式一（最简单，浏览器下载）：打开本模型主页 → Files 标签 → 直接下载 model_int8.onnx 及分词器文件，放入本地任意 models/ 目录即可。

方式二（一条命令）：

pip install huggingface_hub
huggingface-cli download RainbowLIght/tidewatcher-macbert-c2 --local-dir models/tidewatcher

方式三（一键脚本）：下载本仓库 Files 里的 download_models.py，然后运行：

python download_models.py             # 下载全部文件（含原始权重）
python download_models.py --cpu-only  # 只下载实装 ONNX 版（98 MB，插件用）

自动拉取到 models/tidewatcher/（可用 -o 指定目录）。

4. 使用方法

import onnxruntime as ort
from transformers import AutoTokenizer

sess = ort.InferenceSession("model_int8.onnx", providers=["CPUExecutionProvider"])
tok = AutoTokenizer.from_pretrained(".")

def score(text: str) -> float:
    enc = tok(text, truncation=True, max_length=64,
              padding="max_length", return_tensors="np")
    feed = {k: v.astype("int64") for k, v in enc.items()}
    logits = sess.run(None, feed)[0][0]
    import math
    return 1.0 / (1.0 + math.exp(-(float(logits[1]) - float(logits[0]))))

5. 输入输出示例

输入	输出 score	判定
你真是个傻逼，去死吧	0.998	攻击（拦截）
nmsl	0.995	攻击（拦截）
这家店服务太差了	0.42	模糊区（交大模型复核）
今天天气不错，心情很好	0.02	安全（放行）
666	0.01	安全（放行）

技术细节

项	值
架构	MacBert（hfl/chinese-macbert-base 变体）
输入长度	max_len=64（与训练一致）
训练配置	c_macbert_lr3e-5_ep4
量化	ONNX 动态 INT8（98 MB）
性能	F1 0.9004（INT8 复测），延迟 mean 34 ms（CPU）
训练数据	自建标注数据集 + 公开中文冒犯性语言数据集（COLD，Apache-2.0），数据集将另行开源

文件说明

文件	说明
`model_int8.onnx`	ONNX INT8 量化权重（实装版，插件实际使用）
`model.safetensors`	原始 PyTorch 权重（供微调/研究）
`config.json` / `vocab.txt` / `tokenizer.json` / `tokenizer_config.json` / `special_tokens_map.json`	模型配置与分词器

已知限制

部分表达（玩梗、熟人调侃、阴阳怪气）存在语境依赖，实装中通过词表豁免与大模型复核缓解
训练语料以微博场景的短句为主，迁移到其他平台/文体需重新评估
本模型仅用于防攻击干预（劝导式拦截），不应被用于内容审查、身份画像或任何形式的压制性监控

许可证

Apache License 2.0

RainbowLIght
/

tidewatcher-macbert-c2