Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 24 авг 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

Satish47

Заполнение пропусковТекст → текст3 профессии

Дообученная модель DistilBERT для предсказания замаскированных слов в англоязычном тексте.

8скачиваний за 30 дней0лайковвеса обновлены25 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

Satish47/distilbert-base-uncased-finetuned-imdb — дообученная версия distilbert/distilbert-base-uncased для заполнения пропусков в тексте. Модель использует архитектуру DistilBERT с маскированным языковым моделированием, работает с текстом и поддерживает контекст до 512 токенов.

Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 2,4671 на evaluation set; подробности обучения и предполагаемые сценарии применения не описаны. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Сценарии применения

подстановка пропущенного слова в англоязычном предложении
предсказание вариантов слова на месте маски
анализ контекста предложения при заполнении текстовых пропусков

Ограничения

Данные обучения и подробные сведения о назначении модели не раскрыты; в карточке приведено только значение loss без описания методики оценки.

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:

Loss: 2.4671
Model Preparation Time: 0.0032

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
2.6849	1.0	157	2.4884	0.0032
2.5761	2.0	314	2.4561	0.0032
2.5366	3.0	471	2.4055	0.0032

Framework versions

Transformers 5.1.0
Pytorch 2.13.0+cpu
Datasets 5.0.1
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: c01f900