Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 20 авг 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

LucasLeee

Заполнение пропусковТекст → текст3 профессии

Дообученная модель DistilBERT предсказывает замаскированные токены в тексте с контекстом до 512 токенов.

15скачиваний за 30 дней0лайковвеса обновлены20 авг 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

LucasLeee опубликовал дообученную модель DistilBERT для заполнения пропусков в тексте. Она использует архитектуру DistilBertForMaskedLM и принимает текст с замаскированным токеном, чтобы предсказать подходящее слово или токен в контексте. Модель можно применять для восстановления пропусков в коротких фрагментах текста; максимальная длина контекста — 512 токенов.

Модель основана на distilbert/distilbert-base-uncased и доступна в формате safetensors для библиотеки Transformers. Указана лицензия Apache-2.0. Карточка сообщает о дообучении на IMDb, однако датасет описан как неизвестный, а результаты обучения приведены для нулевого шага и эпохи, поэтому качество и пригодность именно для текстов отзывов подтвердить нельзя.

Сценарии применения

подстановка пропущенного слова в предложении
предсказание замаскированного токена в тексте
восстановление слов в коротких англоязычных фрагментах

Ограничения

Карточка не описывает обучающий датасет и предназначение дообучения подробнее, а приведённые метрики относятся к нулевому шагу и эпохе. Поэтому качество на отзывах IMDb и других текстах не подтверждено.

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:

eval_loss: 3.0881
eval_model_preparation_time: 0.0036
eval_runtime: 2.8121
eval_samples_per_second: 355.6
eval_steps_per_second: 5.69
epoch: 0
step: 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 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

Framework versions

Transformers 5.15.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: e28e43f