Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 8 окт 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

Leo-Klever

Заполнение пропусковТекст → текст

Дообученная англоязычная DistilBERT-модель для предсказания пропущенных токенов в тексте.

27скачиваний за 30 дней0лайковвеса обновлены8 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

Это дообученная модель DistilBERT для заполнения пропусков в тексте. Разработчик — Leo-Klever; в метаданных указана архитектура DistilBertForMaskedLM и базовая модель distilbert/distilbert-base-uncased. Модель принимает текст и предсказывает вероятные токены на месте маски; её можно использовать для языковых экспериментов и восстановления пропущенных слов. Контекстное окно составляет 512 токенов, модель работает с английским текстом.

В README приведены значение loss 2.4914 на оценочном наборе и время подготовки модели 0.0013, но описание набора данных, назначение дообучения и ограничения не раскрыты. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

Подстановка вероятного слова вместо маски в предложении
Восстановление пропущенных токенов в англоязычном тексте
Изучение предсказаний masked language model
Проверка языковых гипотез на коротких фрагментах текста

Ограничения

Данные дообучения и его цель не описаны, поэтому качество на задачах, отличных от заполнения масок, не подтверждено. Контекст ограничен 512 токенами.

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: 2.4914
Model Preparation Time: 0.0013

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	Model Preparation Time
2.6826	1.0	157	2.5120	0.0013
2.5975	2.0	314	2.4509	0.0013
2.5313	3.0	471	2.4840	0.0013

Framework versions

Transformers 5.17.0
Pytorch 2.14.0+cu132
Datasets 5.0.1
Tokenizers 0.23.2

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: 13f3a87