Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 23 июл 2026

Ссылки

Hugging Face

jamare-distilbert-cleaned-text

Jamare

Классификация текстаТекст → label

Дообученная на неизвестном датасете модель DistilBERT для классификации текстовых последовательностей.

5скачиваний за 30 дней0лайковвеса обновлены23 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

Jamare/jamare-distilbert-cleaned-text — модель классификации текста, разработанная автором репозитория на основе distilbert/distilbert-base-uncased и дообученная на неизвестном датасете. Она использует архитектуру DistilBertForSequenceClassification и распространяется в формате safetensors для библиотеки Transformers.

Модель предназначена для классификации текстовых последовательностей. Контекст ограничен 512 токенами. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает назначение классов, состав обучающих данных или оценки качества, поэтому применять модель для конкретной предметной области без собственной проверки затруднительно.

Сценарии применения

Классификация текстовых сообщений
Разметка текстов по категориям
Присвоение меток коротким англоязычным текстам

Ограничения

Назначение меток, обучающий датасет и качество классификации не описаны. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

jamare-distilbert-cleaned-text

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset.

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: 8
eval_batch_size: 8
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 5.14.1
Pytorch 2.13.0+cu130
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: e11df19