/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-multilingual-cased
Библиотека
transformers
Опубликована
28 июн 2026

news-topic-distilbert-multilingual-4class

Классификация текстаТекст → label5 профессий

Дообученный мультиязычный DistilBERT для распределения новостных текстов по четырём тематическим классам.

13скачиваний за 30 дней0лайковвеса обновлены28 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

SlaviSolakchiev/news-topic-distilbert-multilingual-4class — дообученная модель классификации текста на базе distilbert/distilbert-base-multilingual-cased. Она предназначена для отнесения новостных текстов к четырём тематическим классам; конкретные названия классов и описание обучающих данных в карточке не приведены. Модель использует архитектуру DistilBERT для классификации последовательностей, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов.

В README указаны результаты на оценочной выборке: accuracy 0,9167 и F1 0,9164. Эти показатели относятся к приведённой выборке и сами по себе не гарантируют качество на других данных. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • классификация новостных статей по темам
  • автоматическая тематическая разметка новостной ленты
  • группировка новостных текстов по категориям
  • предварительная сортировка новостей для редакционной системы

Ограничения

Названия четырёх классов и состав обучающих данных не раскрыты в карточке. Приведённые метрики получены на оценочной выборке и не устанавливают качество на других текстах.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

news-topic-distilbert-multilingual-4class

This model is a fine-tuned version of distilbert-base-multilingual-cased on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1375
  • Accuracy: 0.9167
  • Precision: 0.9226
  • Recall: 0.9167
  • F1: 0.9164

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: 8

Training results

Training LossEpochStepValidation LossAccuracyPrecisionRecallF1
1.37181.071.34420.33330.56820.33330.25
1.29552.0141.27590.750.78270.750.7423
1.19633.0211.17010.83330.85710.83330.8205
1.04964.0281.04660.79170.78870.79170.7814
0.92635.0350.94350.79170.78870.79170.7814
0.82266.0420.86550.79170.78870.79170.7814
0.74267.0490.82140.79170.78870.79170.7814
0.69908.0560.80790.79170.78870.79170.7814

Framework versions

  • Transformers 5.12.0
  • 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 · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForSequenceClassification
Ревизия весов
61fdeba

0 моделей