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

bert-base-uncased-finetuned-imdb

MTalha056

Заполнение пропусковТекст → текст3 профессии

Дообученная модель DistilBERT для предсказания скрытых токенов в англоязычном тексте.

8скачиваний 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

Модель MTalha056/bert-base-uncased-finetuned-imdb — дообученная версия DistilBERT для восстановления скрытых токенов в тексте. Она предназначена для заполнения маскированных слов в англоязычных фразах и экспериментов с задачей masked language modeling. Модель построена на архитектуре DistilBERT, принимает текст с маской и предсказывает подходящий токен; максимальная длина контекста составляет 512 токенов.

В README указано, что датасет дообучения неизвестен, а описание назначения и ограничений не заполнено. Оценка eval_loss приведена для шага 0 и эпохи 0, поэтому она не подтверждает качество обучения. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

подстановка пропущенного слова в английском предложении
восстановление замаскированных токенов в тексте
эксперименты с masked language modeling на английском языке

Ограничения

Датасет дообучения не описан, а приведённые метрики относятся к шагу 0 и эпохе 0, поэтому качество модели не подтверждено. 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

bert-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: 3.0882
eval_model_preparation_time: 0.0079
eval_runtime: 309.0269
eval_samples_per_second: 3.236
eval_steps_per_second: 0.052
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+cpu
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: 28d4627