Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 12 июл 2026

Ссылки

Hugging Face

results

asmasikandar48

Классификация текстаТекст → label

Дообученная на неизвестном наборе данных модель DistilBERT для классификации текстовых последовательностей.

6скачиваний за 30 дней0лайковвеса обновлены20 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

asmasikandar48/results — модель классификации последовательностей на базе DistilBERT, дообученная автором репозитория на неизвестном наборе данных. Она предназначена для присвоения меток текстовым входам. В карточке приведены результаты на оценочной выборке: loss 0,3760 и accuracy 0,84.

Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт результат классификации. Размер контекста составляет 512 токенов. Репозиторий содержит веса в формате safetensors; модель доступна по лицензии Apache-2.0. Данных о конкретных классах, языках и области применения нет, поэтому качество и применимость к отдельным сценариям по приведённым метрикам оценить нельзя.

Сценарии применения

Присвоение меток текстовым последовательностям
Классификация коротких текстовых фрагментов
Оценка текста по классам, заданным обучающим набором

Ограничения

Обучающий набор данных и метки классов не описаны. Accuracy 0,84 относится только к указанной оценочной выборке; переносимость на другие данные не установлена.

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. It achieves the following results on the evaluation set:

Loss: 0.3760
Accuracy: 0.84

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 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
0.449	1.0	625	0.3760	0.84

Framework versions

Transformers 4.46.3
Pytorch 2.11.0+cu128
Datasets 3.1.0
Tokenizers 0.20.3

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: 71c53c9