Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 10 июл 2026

Ссылки

Hugging Face

AussieAussieAussietext_classifier-distilbert-base-uncased

Curtec

Классификация текстаТекст → label

Дообученная на неизвестных данных модель DistilBERT для классификации текста.

10скачиваний за 30 дней0лайковвеса обновлены10 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

AussieAussieAussietext_classifier-distilbert-base-uncased — модель классификации текста на основе DistilBERT, дообученная автором Curtec на неизвестном наборе данных. Она предназначена для присвоения тексту меток в задаче классификации. В README приведены результаты оценки: loss 0,1550 и accuracy 0,975; назначение меток и состав оценочного набора не раскрыты.

Модель использует архитектуру DistilBertForSequenceClassification и принимает текст длиной до 512 токенов. Базовая модель — англоязычная distilbert/distilbert-base-uncased; репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Данные не позволяют установить конкретные классы, язык обучающей выборки или пригодность результата для отдельных прикладных областей.

Сценарии применения

Классификация текста по меткам обучающего набора
Автоматическая разметка текстовых записей
Оценка текста классификатором в NLP-пайплайне

Ограничения

Неизвестны набор данных, названия классов и целевые сценарии обучения, поэтому качество и применимость модели за пределами указанной оценки не установлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AussieAussieAussietext_classifier-distilbert-base-uncased

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

Loss: 0.1550
Accuracy: 0.975

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: 0.0001
train_batch_size: 32
eval_batch_size: 32
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: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3638	1.0	25	0.3674	0.89
0.1092	2.0	50	0.2297	0.94
0.0541	3.0	75	0.1671	0.96
0.0221	4.0	100	0.1828	0.945
0.0135	5.0	125	0.1759	0.96
0.0057	6.0	150	0.1636	0.965
0.0007	7.0	175	0.1464	0.975
0.0005	8.0	200	0.1494	0.975
0.0005	9.0	225	0.1539	0.975
0.0004	10.0	250	0.1550	0.975

Framework versions

Transformers 5.13.0
Pytorch 2.12.1+cpu
Datasets 5.0.0
Tokenizers 0.22.2

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: bc4f2bb