Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 10 сен 2026

Ссылки

Hugging Face

truthlens-liar2-model

Sree6464

Классификация текстаТекст → label

Дообученная модель DistilBERT для классификации текста, назначение и классы которой в карточке подробно не описаны.

9скачиваний за 30 дней0лайковвеса обновлены10 сен 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

Sree6464/truthlens-liar2-model — модель классификации текста, созданная дообучением DistilBERT на неизвестном наборе данных. Она предназначена для отнесения текста к классам, определённым при обучении; по названию модели можно предположить проверку правдивости утверждений, но README не подтверждает назначение и классы.

Сценарии применения

Классификация текста по меткам, заданным при обучении

Ограничения

На указанном наборе оценки модель показала accuracy 0,3436 и macro F1 0,2856; датасет и классы не описаны. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

truthlens-liar2-model

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: 1.5732
Accuracy: 0.3436
Precision Macro: 0.3206
Recall Macro: 0.2872
F1 Macro: 0.2856

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: 5e-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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.5278	1.0	1149	1.5645	0.3461
1.4186	2.0	2298	1.5940	0.3509
1.0683	3.0	3447	1.7490	0.3300

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.8.5
Tokenizers 0.23.1

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: 6554162