Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 7 июл 2026

Ссылки

Hugging Face

distilbert_intent_model

akshatdev14

Классификация текстаТекст → label

Дообученная DistilBERT-модель для классификации текста, вероятно, для определения намерений.

6скачиваний за 30 дней1лайквеса обновлены7 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

akshatdev14/distilbert_intent_model — дообученная модель DistilBERT для классификации текста. Она основана на distilbert/distilbert-base-uncased и предназначена для отнесения входного текста к классам; название репозитория указывает на классификацию намерений, однако набор меток и конкретные сценарии применения не описаны. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и рассчитана на контекст до 512 токенов.

В README сообщается о точности 0,9970 и значении loss 0,0363 на оценочном наборе, но датасет указан как None, а подробности обучения и оценки отсутствуют. Модель распространяется по лицензии Apache-2.0. Такие метрики сами по себе не позволяют судить о качестве на других данных; поддерживаемые языки также не подтверждены.

Сценарии применения

классификация пользовательских запросов по намерениям
распределение коротких текстовых сообщений по заданным категориям
предварительная разметка текста для классификационного конвейера

Ограничения

Набор классов, обучающий датасет и языки модели не описаны. Заявленная точность относится только к оценочному набору, состав которого не раскрыт.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert_intent_model

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: 0.0363
Accuracy: 0.9970

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
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	336	0.2197	0.9927
1.7272	2.0	672	0.0480	0.9965
0.0529	3.0	1008	0.0363	0.9970

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 5.0.0
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: b76c3d3