/ Модель

Характеристики

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

generated-sst2-stylebkd-bert-p3

Классификация текстаТекст → label

Дообученная англоязычная BERT-модель для классификации текста.

17скачиваний за 30 дней0лайковвеса обновлены17 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

Модель dilarayavuz/generated-sst2-stylebkd-bert-p3 — дообученная на базе google-bert/bert-base-uncased модель BERT для классификации текста. Карточка указывает задачу текстовой классификации и приводит метрики на валидационной выборке: accuracy 0,921, F1 0,926, precision 0,932, recall 0,920 и AUC 0,972.

Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Базовая модель англоязычная; карточка не уточняет набор меток или точное назначение классификации, поэтому область применения следует определять по данным дообучения и меткам модели. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Метаданные не сообщают лицензию.

Сценарии применения

  • Классификация англоязычных текстов по заданным меткам
  • Оценка тональности текста при наличии соответствующих меток
  • Классификация коротких текстовых последовательностей

Ограничения

README не уточняет метки классов и домен обучающих данных, поэтому применимость к конкретной классификационной задаче не подтверждена. Приведённые метрики относятся только к указанной в карточке валидационной выборке.

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: 0.23106792569160461

f1: 0.9262187088274044

precision: 0.9323607427055703

recall: 0.9201570680628273

auc: 0.9715927065373848

accuracy: 0.9214586255259467

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
1d336ad

0 моделей