Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 2 июл 2026

Ссылки

distilbert-finetuned-feedback

Классификация текстаТекст → label3 профессии

Дообученная на базе DistilBERT модель классифицирует текст и, судя по названию, предназначена для анализа обратной связи.

10скачиваний за 30 дней0лайковвеса обновлены2 июл 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

Tayyab-ilyas/distilbert-finetuned-feedback — дообученная модель классификации текста на базе DistilBERT, разработанная пользователем Tayyab-ilyas. Она предназначена для отнесения входного текста к классам; название репозитория указывает на обратную связь как целевую область применения, однако карточка не раскрывает метки классов и конкретные сценарии. Модель использует архитектуру DistilBertForSequenceClassification, веса сохранены в формате safetensors, максимальная длина контекста составляет 512 токенов. Базовая модель — distilbert/distilbert-base-uncased, ориентированная на английский язык.

В карточке приведено значение loss 0,5989 на оценочном наборе, но датасет указан как None, а его состав, метрики и условия оценки не описаны. Лицензия — Apache-2.0. Из-за недостатка сведений о классах и данных качество модели для конкретной задачи обратной связи следует оценивать отдельно.

Сценарии применения

классификация текстовых отзывов
автоматическая категоризация пользовательской обратной связи
анализ коротких англоязычных сообщений

Ограничения

В карточке не описаны набор данных, классы и метрики качества; приведено только значение loss 0,5989. Контекст ограничен 512 токенами, а подтверждена только ориентация базовой модели на английский язык.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.1Корпоративные функцииСтратегия, продукт и бизнес-моделиAI помогает принимать продуктовые и стратегические решения на основе свидетельств, а не только интуиции.19 задач2 459моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-finetuned-feedback

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

Loss: 0.5989

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: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	1	0.6596
No log	2.0	2	0.6200
No log	3.0	3	0.5989

Framework versions

Transformers 5.12.1
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 · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 723e896