Характеристики

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

Ссылки

Hugging Face

my_awesome_wnut_model

julieou

Разметка токеновТекст → label3 профессии

Дообученная англоязычная DistilBERT-модель для разметки токенов в тексте.

10скачиваний за 30 дней0лайковвеса обновлены21 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

my_awesome_wnut_model — дообученная модель DistilBERT для классификации токенов, созданная на основе distilbert/distilbert-base-uncased. Она предназначена для разметки отдельных токенов в тексте; README сообщает метрики на оценочном наборе: F1 0,4640, точность 0,5351 и полнота 0,4096. Модель использует архитектуру DistilBertForTokenClassification, принимает текст с контекстом до 512 токенов и распространяется по лицензии Apache-2.0. Набор меток и обучающие данные в карточке не описаны, а качество по приведённым метрикам ограничено.

Сценарии применения

разметка сущностей и категорий отдельных слов в английском тексте
извлечение упоминаний из коротких сообщений
эксперименты с классификацией токенов на основе DistilBERT

Ограничения

README не раскрывает обучающий датасет и набор меток. На оценочном наборе F1 составляет 0,4640, поэтому качество разметки может быть ограниченным.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

my_awesome_wnut_model

This model is a fine-tuned version of distilbert/distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.3613
Precision: 0.5351
Recall: 0.4096
F1: 0.4640
Accuracy: 0.9462

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: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
No log	1.0	213	0.2810	0.6722	0.2623	0.3773	0.9400
No log	2.0	426	0.2559	0.5502	0.3197	0.4045	0.9443
0.1775	3.0	639	0.2867	0.5290	0.3466	0.4188	0.9446
0.1775	4.0	852	0.2858	0.5293	0.4096	0.4619	0.9456
0.0413	5.0	1065	0.3064	0.5269	0.3994	0.4544	0.9459
0.0413	6.0	1278	0.3295	0.5538	0.4004	0.4648	0.9472
0.0413	7.0	1491	0.3426	0.5573	0.4189	0.4783	0.9474
0.0173	8.0	1704	0.3525	0.5142	0.3865	0.4413	0.9451
0.0173	9.0	1917	0.3613	0.5351	0.4096	0.4640	0.9462

Framework versions

Transformers 5.15.0
Pytorch 2.11.0+cpu
Datasets 4.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForTokenClassification
Ревизия весов: 81ac35c