Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 21 июн 2026

Ссылки

Hugging Face

finetuning-sentiment-model-3000-samples

Quoser

Классификация текстаТекст → label

Дообученная на анализ тональности модель DistilBERT для классификации текста по тональным классам.

7скачиваний за 30 дней0лайковвеса обновлены21 июн 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

Quoser/finetuning-sentiment-model-3000-samples — модель классификации текста на основе DistilBERT, дообученная разработчиком Quoser для анализа тональности. Она предназначена для отнесения текста к тональным классам; конкретный набор классов и обучающий датасет в карточке не описаны. На тестовой выборке автор сообщает accuracy 0,8667 и F1 0,8675, а также loss 0,5670.

Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и имеет контекстное окно 512 токенов. Репозиторий содержит веса в формате safetensors; модель загружается через библиотеку Transformers. Лицензия — Apache-2.0. Метрики приведены без описания выборки и методики оценки, поэтому их нельзя напрямую переносить на другие данные.

Сценарии применения

определение тональности коротких текстов
классификация отзывов покупателей
анализ тональности сообщений и комментариев

Ограничения

В карточке не названы тональные классы, обучающий датасет и подробности оценки; результаты на другой выборке могут отличаться. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

finetuning-sentiment-model-3000-samples

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: 0.5670
Accuracy: 0.8667
F1: 0.8675

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: 16
eval_batch_size: 16
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: 2

Training results

Framework versions

Transformers 5.11.0
Pytorch 2.12.0+cu126
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 · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 0292f25