Update README.md

README.md

@@ -11,4 +11,43 @@
 | :--- | :---: | :---: | :---: | :---: |
 | **Ненормативная лексика** | 0.75 | 0.9402 | 0.9495 | 0.9448 |
 | **Угрозы** | 0.80 | 0.8031 | 0.8421 | 0.8221 |
-| **Запросы на нарушение закона** | 0.90 | 0.9242 | 0.9531 | 0.9385 |
+| **Запросы на нарушение закона** | 0.90 | 0.9242 | 0.9531 | 0.9385 |
+
+## Быстрый старт
+```
+import torch
+from transformers import AutoTokenizer, AutoModel
+
+REPO_ID = "pogram1st/multitask-toxicity-comments"  
+DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+
+tokenizer = AutoTokenizer.from_pretrained(REPO_ID)
+model = AutoModel.from_pretrained(REPO_ID, trust_remote_code=True)
+
+model.to(DEVICE)
+model.eval()
+
+def predict_toxicity(text):
+    encoding = tokenizer(
+        text,
+        max_length=64,
+        padding='max_length',
+        truncation=True,
+        return_tensors='pt'
+    ).to(DEVICE)
+    
+    with torch.no_grad():
+        out_prof, out_threat, out_ill = model(encoding['input_ids'], encoding['attention_mask'])
+        
+    prob_prof = torch.sigmoid(out_prof).item()
+    prob_threat = torch.sigmoid(out_threat).item()
+    prob_ill = torch.sigmoid(out_ill).item()
+    
+    print(f"Текст: '{text}'")
+    print(f"Ненормативная лексика: {prob_prof:.0%} -> {'Запрещенный контент' if prob_prof >= 0.75 else 'Ок'}")
+    print(f"Угроза: {prob_threat:.0%} -> {'Запрещенный контент' if prob_threat >= 0.80 else 'Ок'}")
+    print(f"Запрос на нарушение закона: {prob_ill:.0%} -> {'Запрещенный контент' if prob_ill >= 0.90 else 'Ок'}\n")
+
+predict_toxicity("Это приятно знать, но тем не менее.")
+
+```