Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 4 авг 2026

Ссылки

Hugging Face

finetuning-sentiment-model-3000-samples_1

gsk1234978654

Классификация текстаТекст → label3 профессии

Дообученная на неизвестном наборе данных модель DistilBERT для классификации тональности текста.

192скачиваний за 30 дней1лайквеса обновлены4 авг 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

Это модель классификации тональности текста, созданная дообучением distilbert-base-uncased. В карточке указаны точность 0,8567 и значение loss 0,3523 на наборе для оценки, но сами данные и схема классов не описаны.

Модель предназначена для определения тональности текста. Она использует архитектуру DistilBERT для классификации последовательностей, принимает текст с контекстом до 512 токенов и сохраняет веса в формате safetensors. Поддерживаемые языки и предметные области не уточнены.

Модель распространяется по лицензии Apache-2.0. Результаты оценки не позволяют судить о качестве на других наборах данных; набор для оценки и ограничения применения в карточке не описаны.

Сценарии применения

определение тональности коротких текстов
анализ тональности отзывов
классификация пользовательских комментариев

Ограничения

Набор данных, схема классов и языки обучения не описаны. Указанные метрики получены на неизвестном оценочном наборе и не гарантируют аналогичного качества на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

finetuning-sentiment-model-3000-samples_1

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: 0.3523
Accuracy: 0.8567

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: 16
eval_batch_size: 16
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: 2

Training results

Framework versions

Transformers 4.55.4
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.21.4

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: 34800fc