/ Модель

Характеристики

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

distilbert-base-uncased-finetuned-imdb-wwm

Заполнение пропусковТекст → текст3 профессии

Дообученная на рецензиях IMDB англоязычная DistilBERT-модель для заполнения пропусков с маскированием целых слов.

41скачиваний за 30 дней0лайковвеса обновлены25 авг 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

AlexStamp/distilbert-base-uncased-finetuned-imdb-wwm — дообученная для предметной адаптации модель DistilBERT, созданная на основе distilbert/distilbert-base-uncased и обученная на корпусе рецензий IMDB с маскированием целых слов (Whole Word Masking) для задачи masked language modeling. Модель предназначена для заполнения пропусков в тексте и предсказания замаскированных слов с учётом контекста, в том числе в текстах о кино и отзывах.

Архитектура — DistilBertForMaskedLM; модель принимает текст, поддерживает контекст до 512 токенов и ориентирована на английский язык. В README сообщается о снижении perplexity на оценочных фрагментах IMDB при маскировании целых слов, но сравнение с вариантом стандартного маскирования не является прямым из-за разных стратегий и вероятностей маскирования. Репозиторий использует формат safetensors и лицензию Apache-2.0.

Сценарии применения

  • подстановка пропущенных слов в англоязычных рецензиях на фильмы
  • предсказание замаскированных слов в текстах о кино
  • оценка языковых представлений домена кинорецензий
  • адаптация текстовых конвейеров masked language modeling к отзывам IMDB

Ограничения

Модель обучена для английского языка и текстов домена IMDB; её показатели perplexity получены при конкретных схемах маскирования и не позволяют напрямую сравнивать её со стандартным вариантом.

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 Fine-Tuned on IMDB (Whole Word Masking)

This repository contains a domain-adapted version of distilbert-base-uncased fine-tuned on the IMDB movie reviews dataset using Whole Word Masking (WWM) for Masked Language Modeling (MLM).

Unlike standard training, this model was fine-tuned using Whole Word Masking (WWM) collator strategy. By masking entire words rather than individual subwords during training, the model is deprived of partial word hints (e.g., seeing ##tography to guess cinema). This creates a significantly harder predictive objective designed to force the model to learn deeper sentence-level context, higher-level semantic contexts and multi-subword film concepts (e.g., "cinematography", "masterpiece").

📊 Performance & Benchmark

Performance was evaluated using Perplexity on a large evaluation benchmark of 10,000 sequence chunks derived from the official IMDB test split.

Because each data collator (see note below) evaluates the model under its own masking strategy, baseline pre-trained perplexity varies depending on the evaluation objective.

Experiment RunMasking StrategyEval Mask ProbPre-Trained PerplexityFine-Tuned PerplexityRelative Reduction
Standard Baseline RunSubword Masking15%~23.00~10.00~2.3x lower
WWM Run (This Model)Whole Word Masking20%~45.00~15.00~3.0x lower 🟢

Note: While the raw final perplexity for WWM (15.00) appears higher than the subword model (10.00), WWM is an inherently harder predictive task. Relative to its starting point, Whole Word Masking achieved a larger relative drop in uncertainty (~3.0x vs. ~2.3x). For a discussion and comparison with DistilBERT-finetuned-imdb-standard, which uses standard subword masking, see the Comparison with Standard Subword Masking section below.

🛠️ Training Details

  • Base Model: distilbert-base-uncased
  • Training Dataset Size: 50,000 sequence chunks (128 max token length)
  • Evaluation Dataset Size: 10,000 sequence chunks (Official IMDB test split)
  • Hardware: NVIDIA T4 GPU (Google Colab)
  • Collator Strategy: Custom Whole Word Masking (whole_word_masking_data_collator, 20% probability)

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • weight_decay: 0.01
  • 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 (fp16=True)

Training results

Training LossEpochStepValidation LossModel Preparation Time
2.95451.07822.80060.0016
2.87152.015642.73880.0016
2.82163.023462.71940.0016

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

🚀 How to Use

You can use this model directly with the Hugging Face fill-mask pipeline:

from transformers import pipeline

# Load fine-tuned WWM model
fill_mask = pipeline("fill-mask", model="AlexStamp/distilbert-base-uncased-finetuned-imdb-wwm")

# Test domain-specific fill-mask prompt
prompt = "The director created a visual [MASK] with stunning cinematography."
predictions = fill_mask(prompt)

for pred in predictions:
    print(f"Token: {pred['token_str']:<15} Score: {pred['score']:.4f}")

Comparison with Standard Subword Masking

This experiment was performed to investigate whether Whole-Word Masking (WWM) could provide an alternative objective for domain adaptation compared with standard subword-level masking.

With WWM, perplexity decreased from 45.0 to 15.0, indicating substantial improvement in the model's ability to predict masked words in the movie-review domain.

For comparison, the standard subword-masking experiment achieved a perplexity reduction from 23.0 to 10.0 (DistilBERT-finetuned-imdb-standard).

These values should not be interpreted as a strict head-to-head comparison, since the two experiments use different masking strategies and masking probabilities, and the evaluation masking is dynamically generated. Nevertheless, both experiments provide evidence that continued MLM training successfully adapts DistilBERT to the language of movie reviews.

Key takeaway

Whole-Word Masking produced strong domain adaptation, reducing perplexity by approximately two-thirds. The experiment also highlights how the choice of masking strategy influences the difficulty and evaluation of the MLM objective.

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
3867fc9

0 моделей