Update README.md

README.md

@@ -1,3 +1,62 @@
 ---
 license: mit
+base_model: deepvk/RuModernBERT-base
+tags:
+- russian
+- spam
+- classification
+- moderation
+- bert
+- pytorch
+- telegram
+datasets:
+- telegram-spam
+metrics:
+- accuracy
+- f1
+widget:
+- text: "🔥🔥🔥 СУПЕР АКЦИЯ!!! Переходи по ссылке и получай подарок! http://bit.ly/..."
+  example_title: "Спам (реклама)"
+- text: "Привет! Как твои дела? Давно не виделись"
+  example_title: "Не спам (личное сообщение)"
+- text: "Ищешь работу? Пиши в личку, есть вакансии с высокой зарплатой"
+  example_title: "Спам (предложение работы)"
+- text: "Скиньте, пожалуйста, контакты менеджера"
+  example_title: "Не спам (деловой запрос)"
 ---
+
+# spam_model
+
+Модель для бинарной классификации спам-сообщений, дообученная на основе архитектуры `deepvk/RuModernBERT-base`.
+
+## Описание модели
+
+Данная модель предназначена для детекции спам-сообщений в текстовых сообщениях на русском языке. Она была получена путём дообучения (fine-tuning) предобученной модели `deepvk/RuModernBERT-base` на датасете `telegram-spam` с платформы Hugging Face.
+
+**Метка (label):**
+- **0** — не спам (ham)
+- **1** — спам
+
+Модель обучена выявлять различные виды спама, включая:
+- Рекламные рассылки
+- Предложения работы и вакансии
+- Фишинговые ссылки
+- Сомнительные коммерческие предложения
+
+## Использование
+
+### Загрузка с Hugging Face
+
+```python
+from transformers import pipeline
+
+# Загрузка модели и токенизатора
+classifier = pipeline(
+    "text-classification",
+    model="Farmellion/spam_model"
+)
+
+# Пример предсказания
+result = classifier("🔥 СУПЕР АКЦИЯ!!! Переходи по ссылке...")
+print(result)
+# [{'label': 'LABEL_1', 'score': 0.99}]