Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 7 июл 2026

Ссылки

Hugging Face

amazon_rev_trained_bert_model_weighted

AlteredPlum

Классификация текстаТекст → label

Дообученная BERT-модель для классификации текста, вероятно ориентированная на отзывы Amazon.

8скачиваний за 30 дней0лайковвеса обновлены7 июл 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

AlteredPlum/amazon_rev_trained_bert_model_weighted — модель классификации текста на основе BERT, дообученная разработчиком на базе google-bert/bert-base-uncased. Она предназначена для классификации последовательностей; название репозитория указывает на отзывы Amazon, однако карточка не уточняет классы и сценарии применения. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Доступны веса в формате safetensors, библиотека для работы — Transformers.

В README указана оценка Loss 0,5360 на наборе для оценки, но подробности датасета, метрики и ограничения не приведены. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

Классификация текстовых отзывов Amazon
Автоматическая категоризация коротких текстов

Ограничения

README не раскрывает метки классов, датасет и результаты по отдельным метрикам; указанный Loss 0,5360 не позволяет оценить качество для конкретных сценариев.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

amazon_rev_trained_bert_model_weighted

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

Loss: 0.5360

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: 16
eval_batch_size: 16
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	145	0.5124
No log	2.0	290	0.4779
No log	3.0	435	0.5360

Framework versions

Transformers 4.46.1
Pytorch 2.5.1
Datasets 2.19.1
Tokenizers 0.20.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: 6ed318a