Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 15 сен 2026

Ссылки

Hugging Face

distilbert-sentiment-demo

Anasft9

Классификация текстаТекст → label3 профессии

Дообученная на базе DistilBERT модель для классификации текста, представленная как демонстрация анализа тональности.

171скачиваний за 30 дней0лайковвеса обновлены16 сен 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

Anasft9/distilbert-sentiment-demo — дообученная модель классификации текста на базе distilbert/distilbert-base-uncased, опубликованная пользователем Anasft9. Она предназначена для отнесения текстовых последовательностей к классам; название модели указывает на анализ тональности, однако README не раскрывает метки классов и обучающий набор данных. Архитектура — DistilBertForSequenceClassification, поддерживаемая длина контекста — до 512 токенов. Доступны веса в форматах Safetensors и ONNX.

В README приведены результаты на оценочной выборке: accuracy 0,8443 и loss 0,4280. Эти показатели не позволяют судить о качестве на других данных, поскольку набор данных, схема меток и протокол оценки не описаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

классификация тональности коротких текстов
определение эмоциональной окраски отзывов
разметка тональности сообщений и комментариев

Ограничения

Обучающий датасет и набор классов не описаны, поэтому назначение для конкретных типов текстов и переносимость результатов не подтверждены. Указанные метрики относятся только к неописанной оценочной выборке.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-sentiment-demo

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.4280
Accuracy: 0.8443

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 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: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4170	1.0	534	0.3839	0.8330
0.2547	2.0	1068	0.3702	0.8574

Framework versions

Transformers 5.17.0
Pytorch 2.11.0+cu128
Datasets 5.0.1
Tokenizers 0.23.1

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: DistilBertForSequenceClassification
Ревизия весов: 7e969d3