Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 8 июл 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

pop123ux

Заполнение пропусковТекст → текст3 профессии

Дообученная модель DistilBERT для предсказания пропущенных токенов в тексте.

6скачиваний за 30 дней0лайковвеса обновлены8 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

pop123ux/distilbert-base-uncased-finetuned-imdb — производная модель на архитектуре DistilBERT, дообученная на базе distilbert/distilbert-base-uncased. По метаданным, она предназначена для задачи заполнения пропусков в тексте: принимает текст с маскированным токеном и предсказывает подходящий вариант. Модель использует библиотеку Transformers, веса доступны в формате safetensors, лицензия — Apache-2.0.

Контекст модели составляет 512 токенов. В README указаны результаты на тестовом наборе: loss 2,4385; описание обучающих данных, предназначения и ограничений не приведено. Несмотря на название с упоминанием IMDB, данных недостаточно, чтобы утверждать, что модель предназначена для анализа отзывов или была обучена именно на датасете IMDB.

Сценарии применения

подстановка пропущенного слова в предложение
подбор вероятного токена в маскированном тексте
восстановление фрагмента текста с маркером маски

Ограничения

README не раскрывает обучающие данные и специальные ограничения модели; оценка качества ограничена указанным значением loss 2,4385 без подробностей набора и методики. 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.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

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: 2.4385
Model Preparation Time: 0.0055

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

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
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 · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: a4bfecf