Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 19 июн 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

hwting

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель для предсказания пропущенных токенов в английском тексте.

8скачиваний за 30 дней0лайковвеса обновлены19 июн 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

hwting/distilbert-base-uncased-finetuned-imdb — дообученная модель DistilBERT для заполнения пропусков в тексте. Она построена на DistilBertForMaskedLM и предназначена для предсказания замаскированного токена в английском тексте; максимальная длина контекста составляет 512 токенов. Модель доступна в формате safetensors по лицензии Apache-2.0.

В карточке указано, что модель дообучена на неизвестном наборе данных, а значение loss на оценочной выборке составляет 2.4901. Описание назначения дообучения и его практических преимуществ не приведено, поэтому метка «imdb» в названии сама по себе не подтверждает специализацию на анализе тональности.

Сценарии применения

восстановление замаскированного слова в английском предложении
подбор вероятного токена для пропуска в тексте
исследование заполнения масок в DistilBERT

Ограничения

README не описывает назначение дообучения и набор данных; приведено только значение loss 2.4901 на оценочной выборке. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-imdb

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: 2.4901
Model Preparation Time: 0.0016

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: 64
eval_batch_size: 64
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: 3.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time
2.6818	1.0	157	2.5122	0.0016
2.5919	2.0	314	2.4497	0.0016
2.5289	3.0	471	2.4829	0.0016

Framework versions

Transformers 5.8.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: fa9e860