Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 2 авг 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

quangvu197

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель для подстановки пропущенных токенов в тексте.

5скачиваний за 30 дней0лайковвеса обновлены2 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

quangvu197/distilbert-base-uncased-finetuned-imdb — дообученная модель семейства DistilBERT для заполнения пропусков в тексте. Она использует архитектуру DistilBertForMaskedLM, библиотеку Transformers и формат весов Safetensors; базовая модель — distilbert/distilbert-base-uncased. Поддерживаемая задача — fill-mask, контекстное окно составляет 512 токенов.

Карточка называет IMDB в имени модели, но не описывает назначение дообучения, обучающие данные или предполагаемые сценарии, поэтому специализацию на анализе тональности подтвердить нельзя. В README приведён результат оценки Loss 2.4891, без описания набора данных или методики оценки. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

Подстановка пропущенного слова в предложении
Предсказание вероятных токенов на месте маски
Проверка контекста при редактировании текста

Ограничения

README не раскрывает обучающий набор данных и целевое назначение дообучения; указан только результат Loss без описания методики оценки. 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: 2.4891
Model Preparation Time: 0.0024

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
2.6814	1.0	157	2.4929	0.0024
2.5825	2.0	314	2.4480	0.0024
2.5258	3.0	471	2.4823	0.0024

Framework versions

Transformers 4.57.6
Pytorch 2.11.0+cu128
Datasets 3.6.0
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: 82e5c5d