Update README.md

README.md

@@ -14,6 +14,18 @@ tags:
 
 Модель для определения токсичности сообщений службы поддержки.
 
+## Задача
+
+Модель решает задачу бинарной классификации текста: определяет, является ли сообщение
+службы поддержки токсичным (1) или нетоксичным (0). Предназначена для использования в
+пайплайне контроля качества — анализ исходящих ответов операторов в реальном времени
+перед отправкой клиенту.
+
+- **Вход:** текст сообщения на русском языке (до 32 токенов)
+- **Выход:** класс (0 — нетоксично, 1 — токсично) и вероятность токсичности
+- **Базовая модель:** ai-forever/ru-en-RoSBERTa (энкодер заморожен, обучалась только классификационная голова)
+- 
+
 ## Метрики
 
 Пример результатов на тестовой выборке:
@@ -24,3 +36,29 @@ recall: 0.99
 f1: 0.99
 mcc: 0.99
 roc_auc: 0.99
+
+## Пример использования
+
+\`\`\`python
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+import torch
+
+model_name = "VladimirRH/toxicity-classifier"
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForSequenceClassification.from_pretrained(model_name)
+model.eval()
+
+text = "Спасибо за обратную связь, мы обязательно учтём ваши пожелания."
+
+inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=32)
+
+with torch.no_grad():
+    logits = model(**inputs).logits
+    probs = torch.softmax(logits, dim=1)
+
+prediction = torch.argmax(probs, dim=1).item()
+toxicity_prob = probs[0][1].item()
+
+print(f"Класс: {prediction}")
+print(f"Вероятность токсичности: {toxicity_prob:.4f}")
+\`\`\`