/ Модель

Характеристики

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

flausch_task1_classification_distilbert-base-german-cased_lehre

Классификация текстаТекст → label4 профессии

Дообученная немецкоязычная DistilBERT-модель для классификации текстов с контекстом до 512 токенов.

9скачиваний за 30 дней0лайковвеса обновлены19 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

Wiebke дообучила DistilBERT на основе distilbert/distilbert-base-german-cased для классификации текста. Модель предназначена для отнесения немецкоязычных текстов к классам; конкретные классы и область применения в карточке не раскрыты. Архитектура — DistilBertForSequenceClassification, формат весов — safetensors, библиотека — Transformers. Контекст составляет 512 токенов. В README указаны Accuracy 0,9298 и F1 0,9296 на оценочном наборе, однако его состав и данные обучения не описаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • классификация немецкоязычных текстов по заданным классам
  • автоматическая категоризация немецких документов
  • определение тематики немецких текстов

Ограничения

В карточке не описаны целевые классы, обучающий набор и область применения, поэтому пригодность для конкретной классификационной задачи требует проверки. Контекст ограничен 512 токенами.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

flausch_task1_classification_distilbert-base-german-cased_lehre

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

  • Loss: 0.2186
  • Model Preparation Time: 0.0029
  • Accuracy: 0.9298
  • F1: 0.9296

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
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossModel Preparation TimeAccuracyF1
0.29780.42337500.25980.00290.90330.8995
0.23710.846515000.22130.00290.92320.9216
0.19131.269822500.21980.00290.92980.9294
0.17811.693030000.21840.00290.92620.9263
0.17812.035440.21860.00290.92980.9296

Framework versions

  • Transformers 5.10.2
  • 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
7962e52

0 моделей