/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

finetuning-sentiment-model-3000-samples

FernandoSudo
Классификация текстаТекст → label3 профессии

Дообученная модель DistilBERT для классификации текста, предназначенная, судя по названию, для анализа тональности.

7скачиваний за 30 дней0лайковвеса обновлены13 июн 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

FernandoSudo/finetuning-sentiment-model-3000-samples — модель классификации текста на основе DistilBERT, дообученная на неизвестном наборе данных. Она предназначена для классификации текстовых последовательностей; название репозитория указывает на анализ тональности, но карточка не сообщает метки классов и детали применения. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors.

В README приведены результаты на оценочной выборке: accuracy 0,8733 и F1 0,8797. Данных о размере обучающей выборки, методике оценки и составе классов недостаточно, поэтому эти показатели не позволяют судить о качестве на других данных. Базовая модель — distilbert/distilbert-base-uncased; лицензия — Apache-2.0.

Сценарии применения

  • Классификация тональности коротких текстов
  • Определение эмоциональной окраски пользовательских отзывов
  • Разметка текстовых сообщений по классам тональности

Ограничения

Датасет, перечень классов и подробности оценки не раскрыты; приведённые метрики не гарантируют качество на других данных. Контекст ограничен 512 токенами.

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 594моделиIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельII.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

finetuning-sentiment-model-3000-samples

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: 0.3622
  • Accuracy: 0.8733
  • F1: 0.8797

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

Framework versions

  • Transformers 5.10.2
  • Pytorch 2.11.0+cu128
  • 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
b8616e9

0 моделей

    Создать бенчмарк