Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 11 июл 2026

Ссылки

Hugging Face

my_awesome_model

nimishac28

Классификация текстаТекст → label

Дообученная англоязычная DistilBERT для классификации текста с контекстом до 512 токенов.

3скачиваний за 30 дней0лайковвеса обновлены11 июл 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 дообученная модель DistilBERT для классификации текста, созданная на основе distilbert/distilbert-base-uncased. В метаданных указан класс архитектуры DistilBertForSequenceClassification и формат весов safetensors; контекст составляет до 512 токенов.

Модель предназначена для классификации последовательностей текста. В README приведены результаты на оценочной выборке: accuracy 0,9314 и loss 0,2365, однако назначение классов и состав датасета не раскрыты. Поддержка русского языка не подтверждена; базовая модель рассчитана на английский текст.

Модель опубликована с лицензией Apache-2.0. Из-за отсутствия сведений о данных и целевых классах применимость результатов к конкретным задачам неясна.

Сценарии применения

классификация англоязычных текстов
присвоение категорий коротким текстовым сообщениям
оценка тональности после проверки целевых классов

Ограничения

Целевые классы и датасет не указаны, поэтому метрики из README нельзя уверенно переносить на конкретную задачу. Поддержка русского языка не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_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: 0.2365
Accuracy: 0.9314

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

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2214	1.0	1563	0.2075	0.9190
0.1439	2.0	3126	0.2365	0.9314

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

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: b83d0d7