Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 12 июл 2026

Ссылки

Hugging Face

results

ayeshaa-yaar

Классификация текстаТекст → label

Дообученная модель BERT для классификации текста по категориям.

6скачиваний за 30 дней0лайковвеса обновлены24 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 ayeshaa-yaar/results — дообученная версия BERT-base-uncased для классификации текста. Она использует архитектуру BERT и представлена в формате safetensors; число параметров — 136,7 млн, максимальная длина контекста — 512 токенов. Модель подходит для сценариев, где нужно присвоить тексту категорию, однако назначение категорий и обучающий набор данных не описаны. Распространяется по лицензии Apache-2.0.

Сценарии применения

Классификация текстов по заданным категориям
Автоматическая категоризация коротких сообщений
Разметка текстовых записей для последующей обработки

Ограничения

Назначение классов и обучающие данные не описаны, поэтому качество и пригодность для конкретного набора категорий оценить нельзя. Контекст ограничен 512 токенами.

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 bert-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
No log	1.0	250	0.0001	1.0

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 · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: a78919e