Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 8 июл 2026

Ссылки

Hugging Face

results

Zarasafdar34

Классификация текстаТекст → label

Дообученная на неизвестном наборе данных модель DistilBERT для классификации текста.

6скачиваний за 30 дней0лайковвеса обновлены8 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

Модель Zarasafdar34/results — дообученная версия distilbert-base-uncased для классификации текста. Она построена на архитектуре DistilBERT и предназначена для задач классификации последовательностей; конкретные категории и сценарии применения зависят от обучающих данных, сведения о которых в карточке не раскрыты. Модель принимает текст и выдаёт метки классификации. Контекст ограничен 512 токенами. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

классификация текстовых последовательностей
присвоение меток текстам
построение базового классификатора для пользовательского набора данных

Ограничения

Обучающий набор данных и целевые классы не описаны, поэтому назначение классификации и качество на конкретных задачах неясны. Максимальная длина контекста — 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset.

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: 8
eval_batch_size: 8
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: 1

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
No log	1.0	125	0.0023	1.0	0.0

Framework versions

Transformers 5.12.1
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: f49d8ac