Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 17 июл 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

KhaledAalnobani

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель для предсказания замаскированных слов в текстовом контексте.

12скачиваний за 30 дней0лайковвеса обновлены17 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

KhaledAalnobani выпустил дообученную модель DistilBERT base uncased для предсказания замаскированных токенов. Она построена на архитектуре DistilBertForMaskedLM, работает с текстом и поддерживает контекст до 512 токенов. В метаданных указан формат safetensors и лицензия Apache-2.0.

Карточка связывает модель с IMDB, однако README не уточняет обучающий датасет, назначение дообучения и результаты, кроме значения loss 2.4291 на наборе оценки. Поэтому специализацию на отзывах и качество для анализа тональности подтвердить нельзя; доступных сведений достаточно, чтобы описать её основную задачу как заполнение пропусков в тексте.

Сценарии применения

заполнение пропущенного слова в предложении
подбор вероятного слова по окружающему контексту
эксперименты с masked language modeling

Ограничения

README не раскрывает обучающий датасет и предполагаемое применение дообучения; указанный loss сам по себе не позволяет оценить качество. Контекст ограничен 512 токенами.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

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: 2.4291
Model Preparation Time: 0.0

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 adamw_torch 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
2.5574	1.0	157	2.4501
2.5411	2.0	314	2.4220
2.4912	3.0	471	2.4566

Framework versions

Transformers 5.13.0
Pytorch 2.7.1+cu118
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: 129c55b