Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 13 июл 2026

Ссылки

Hugging Face

distilbert-base-uncased-distilled-clinc

psomi

Классификация текстаТекст → label

Дообученная англоязычная модель DistilBERT для классификации коротких текстовых запросов.

5скачиваний за 30 дней0лайковвеса обновлены13 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

Модель psomi/distilbert-base-uncased-distilled-clinc — дообученная версия DistilBERT для классификации текста. Она предназначена для отнесения коротких текстовых запросов к классам; название репозитория указывает на связь с CLINC, однако README не уточняет набор меток и назначение классов. Модель построена на архитектуре DistilBertForSequenceClassification, принимает текст с контекстом до 512 токенов и использует библиотеку Transformers.

В README приведены результаты оценки: accuracy 0,9452 и loss 0,2577; датасет и методика оценки не описаны, поэтому эти показатели нельзя переносить на другие данные. Модель разработана владельцем репозитория psomi и основана на distilbert/distilbert-base-uncased. Лицензия — Apache-2.0. Поддерживаемый язык по названию базовой модели — английский.

Сценарии применения

Классификация коротких пользовательских запросов
Распределение обращений по категориям
Определение класса намерения в английском тексте

Ограничения

README не раскрывает обучающий датасет, набор классов и ограничения применения; приведённые метрики относятся только к неописанной оценочной выборке. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-distilled-clinc

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: 0.2577
Accuracy: 0.9452

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: 48
eval_batch_size: 48
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: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.163	1.0	318	1.5256	0.7303
1.1829	2.0	636	0.7703	0.8616
0.627	3.0	954	0.4491	0.9187
0.3845	4.0	1272	0.3331	0.9332
0.2864	5.0	1590	0.2936	0.9371
0.245	6.0	1908	0.2754	0.9432
0.225	7.0	2226	0.2662	0.9452
0.2141	8.0	2544	0.2610	0.9448
0.2087	9.0	2862	0.2593	0.9448
0.2056	10.0	3180	0.2577	0.9452

Framework versions

Transformers 4.56.1
Pytorch 2.9.0+cu130
Datasets 4.1.0
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: 3d4808c