/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Библиотека
transformers
Опубликована
21 июн 2026

distilbert-base-uncased-finetuned-imdb

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель для предсказания пропущенных токенов в тексте с контекстом до 512 токенов.

9скачиваний за 30 дней0лайковвеса обновлены21 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Alesub/distilbert-base-uncased-finetuned-imdb — модель семейства DistilBERT, дообученная на базе distilbert/distilbert-base-uncased. Она использует архитектуру DistilBertForMaskedLM и предназначена для задачи fill-mask: предсказания пропущенного токена в тексте. Модель опубликована в формате safetensors и поддерживает контекст длиной до 512 токенов.

Название указывает на связь с IMDb, однако карточка не описывает обучающий набор, назначение дообучения или результаты, которые позволили бы подтвердить специализацию на отзывах о фильмах. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • подстановка пропущенных слов в предложениях
  • получение вариантов для замаскированного токена
  • анализ вероятных продолжений фразы

Ограничения

Карточка не раскрывает обучающие данные и не подтверждает качество на отзывах IMDb; заявленные метрики недостаточны для оценки практической точности. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-imdb

This model is a fine-tuned version of distilbert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0001
  • Model Preparation Time: 0.002

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 3.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossModel Preparation Time
0.02381.01570.00030.002
0.00032.03140.00020.002
0.00023.04710.00010.002

Framework versions

  • Transformers 5.10.2
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForMaskedLM
Ревизия весов
eadaece

0 моделей