Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 15 июн 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

aarthijp

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель для предсказания пропущенных токенов в тексте с контекстом до 512 токенов.

9скачиваний за 30 дней0лайковвеса обновлены15 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

aarthijp/distilbert-base-uncased-finetuned-imdb — дообученная модель DistilBERT для заполнения пропусков в тексте. Она построена на архитектуре DistilBertForMaskedLM, распространяется в формате safetensors и использует библиотеку Transformers. Модель принимает текст с маскированным токеном и предсказывает подходящий вариант для заполнения; размер контекста — до 512 токенов.

Модель лицензирована по Apache-2.0. README сообщает о дообучении на неизвестном наборе данных и приводит значение loss 2.4891 на оценочной выборке, но не описывает обучение или ограничения подробнее. Название указывает на IMDb, однако карточка не подтверждает назначение для классификации тональности или анализа отзывов.

Сценарии применения

подстановка пропущенного слова в предложении
предсказание токена вместо маски [MASK]
проверка вариантов заполнения текстового пропуска

Ограничения

README не раскрывает обучающие данные и прикладные ограничения; приведённый результат оценки ограничен значением loss 2.4891 без дополнительных метрик и описания набора.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-imdb

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: 2.4891
Model Preparation Time: 0.0016

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: 64
eval_batch_size: 64
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: 3.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time
2.6814	1.0	157	2.4929	0.0016
2.5825	2.0	314	2.4480	0.0016
2.5258	3.0	471	2.4823	0.0016

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 · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: 0eabe23