Характеристики

Контекст: 514 токенов
Параметры: 95,2 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Базовая модель: distilroberta-base
Библиотека: transformers
Опубликована: 17 июл 2026

Ссылки

Hugging Face

distilroberta-base-finetuned-wikitext2

asadullahmachine

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilRoBERTa для предсказания замаскированных слов в тексте.

10скачиваний за 30 дней1лайквеса обновлены17 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 asadullahmachine/distilroberta-base-finetuned-wikitext2 — дообученная версия distilroberta-base для заполнения пропусков в тексте. Она основана на архитектуре RoBERTa и содержит 95,2 млн параметров; принимает текст с маскированным токеном и предсказывает подходящее заполнение. Модель предназначена для языковых задач, связанных с текстом WikiText-2; в карточке приведено значение loss 1,86 на оценочном наборе.

Модель распространяется в формате safetensors через библиотеку Transformers по лицензии Apache-2.0. Карточка не раскрывает подробности обучающего набора и практических ограничений.

Сценарии применения

подстановка пропущенного слова в предложении
предсказание вероятного продолжения замаскированного фрагмента
проверка языковых гипотез на текстах WikiText-2

Ограничения

README не сообщает обучающий датасет и практические ограничения модели; указана только оценка loss 1,86. Поддерживаемые естественные языки не обозначены.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilroberta-base-finetuned-wikitext2

This model is a fine-tuned version of distilroberta-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.8600

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: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss
2.0827	1.0	2406	1.9352
1.9856	2.0	4812	1.8840
1.9422	3.0	7218	1.8338

Framework versions

Transformers 5.13.1
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 · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForMaskedLM
Ревизия весов: 955b9d2