Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 7 окт 2026

Ссылки

distilbert-message-ner

Разметка токеновТекст → label

Дообученная модель DistilBERT размечает в английских сообщениях токены, относящиеся к людям и содержательным фрагментам.

185скачиваний за 30 дней0лайковвеса обновлены9 окт 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

Duck859555656/distilbert-message-ner — дообученная модель DistilBERT для разметки токенов в сообщениях. Она присваивает токенам метки O, Person и Content, помогая находить в тексте упоминания людей и содержательные фрагменты. Модель построена на distilbert/distilbert-base-uncased и предназначена для обработки текста на английском языке; максимальная длина контекста составляет 512 токенов.

В карточке приведены результаты оценки: accuracy 0,9793 и F1 0,9117 для Person и 0,8587 для Content. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Данные обучения обозначены как None, поэтому результаты не позволяют судить о поведении на других типах текстов или о переносимости на новые домены.

Сценарии применения

поиск упоминаний людей в сообщениях
выделение содержательных фрагментов текста
разметка токенов для последующего анализа переписки

Ограничения

Описание обучения и предполагаемого применения в карточке отсутствует, а обучающий набор указан как None; приведённые метрики не подтверждают качество на иных данных. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-message-ner

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: 0.0644
Accuracy: 0.9793
F1 O: 0.9890
F1 Person: 0.9117
F1 Content: 0.8587

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: 5e-05
train_batch_size: 32
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: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1 O	F1 Person	F1 Content
0.1221	1.0	74	0.1037	0.9633	0.9811	0.8585	0.6652
0.0588	2.0	148	0.0776	0.9742	0.9863	0.9057	0.7961
0.0418	3.0	222	0.0663	0.9780	0.9883	0.9091	0.8479
0.0320	4.0	296	0.0646	0.9799	0.9892	0.9121	0.8654
0.0210	5.0	370	0.0644	0.9793	0.9890	0.9117	0.8587

Framework versions

Transformers 5.19.0
Pytorch 2.14.1+cpu
Datasets 5.1.0
Tokenizers 0.23.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForTokenClassification
Ревизия весов: ad7a8e0