/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Библиотека
transformers
Опубликована
18 сен 2026

generated-sst2-addsent-bert-ep1

Классификация текстаТекст → label4 профессии

Дообученная англоязычная BERT-модель для классификации текста и определения тональности коротких предложений и отзывов.

9скачиваний за 30 дней0лайковвеса обновлены18 сен 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

dilarayavuz/generated-sst2-addsent-bert-ep1 — англоязычная модель классификации текста, созданная пользователем dilarayavuz с помощью AutoTrain на базе google-bert/bert-base-uncased. Это BERT для классификации последовательностей с 136,7 млн параметров и контекстом до 512 токенов; веса доступны в формате safetensors.

Модель предназначена для классификации текстов, в частности для определения тональности отзывов и предложений в сценариях SST-2. В карточке приведены метрики на валидации: accuracy 0,907, F1 0,915, precision 0,947, recall 0,885 и AUC 0,958. Эти результаты относятся к указанной в обучении задаче и не гарантируют аналогичного качества на других данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • определение положительной или отрицательной тональности отзыва
  • классификация тональности коротких предложений
  • автоматическая разметка отзывов по полярности
  • анализ пользовательских мнений в англоязычных текстах

Ограничения

Показатели приведены только для валидации; качество на других наборах данных может отличаться. Контекст ограничен 512 токенами.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoTrain

  • Problem type: Text Classification

Validation Metrics

loss: 0.2505967617034912

f1: 0.9147659063625451

precision: 0.9465838509316771

recall: 0.8850174216027874

auc: 0.9576390131618192

accuracy: 0.9067629678266579

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
e8d5f56

0 моделей