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-whole-word-masking

hwting

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель, которая предсказывает пропущенные токены в 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-whole-word-masking — дообученная модель DistilBERT для заполнения пропусков в тексте. Она принимает текст с маскированным токеном и предсказывает подходящее слово или токен на его месте; архитектура — DistilBertForMaskedLM, библиотека — Transformers, формат весов — safetensors. Контекст модели составляет до 512 токенов. Базовая модель — distilbert/distilbert-base-uncased, лицензия — Apache-2.0.

Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 3,3062 на оценочном наборе, но не описывает данные, сценарии использования или дополнительные ограничения. Упоминание IMDb в названии не подтверждает, что модель предназначена для анализа тональности или обучалась на отзывах IMDb.

Сценарии применения

восстановление пропущенного слова в предложении
подбор вероятного токена для маски [MASK]
контекстное предсказание слов в англоязычном тексте

Ограничения

README не раскрывает обучающий набор данных и не описывает предполагаемые сценарии применения. В карточке приведён loss 3,3062 на оценочном наборе, но отсутствуют сведения о методике оценки.

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.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-imdb-whole-word-masking

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: 3.3062
Model Preparation Time: 0.0009

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
3.5606	1.0	157	3.3200	0.0009
3.4065	2.0	314	3.2870	0.0009
3.3713	3.0	471	3.2795	0.0009

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: 4e86c94