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

distilbert-base-uncased-finetuned-imdb

Kate-lf

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель для предсказания замаскированных токенов в англоязычном тексте.

8скачиваний 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

Модель Kate-lf/distilbert-base-uncased-finetuned-imdb — дообученная версия DistilBERT для задачи заполнения пропусков в тексте. Она использует плотную архитектуру DistilBertForMaskedLM и доступна в формате safetensors; базовая модель — distilbert/distilbert-base-uncased. Модель принимает текст с маскированным токеном и предсказывает подходящее слово или токен. Окно контекста составляет 512 токенов.

Модель можно применять для подстановки пропущенных слов и анализа языковых представлений в англоязычном тексте. README сообщает о дообучении на неизвестном наборе данных и значении loss 3,2029 на оценочной выборке, но не описывает специализацию IMDb, качество на конкретных задачах или ограничения. Лицензия — Apache-2.0.

Сценарии применения

подстановка пропущенного слова в предложении
предсказание скрытых токенов в тексте
заполнение масок при подготовке англоязычных текстов
эксперименты с masked language modeling

Ограничения

README не приводит подробностей о датасете дообучения и применении к IMDb; указан только loss 3,2029 на оценочной выборке, без описания метрики или протокола оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-imdb

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: 3.2029

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: 64
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: 3.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
3.4812	1.0	313	3.2690
3.341	2.0	626	3.2176
3.3018	3.0	939	3.2288

Framework versions

Transformers 4.57.3
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 · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: 5dcec16