Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 20 июн 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

sakib078

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель восстанавливает пропущенные токены в тексте по контексту.

10скачиваний за 30 дней0лайковвеса обновлены20 июн 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

sakib078/distilbert-base-uncased-finetuned-imdb — дообученная модель DistilBERT для заполнения пропусков в тексте. Она использует архитектуру DistilBertForMaskedLM и предназначена для восстановления скрытых токенов по окружающему контексту; максимальная длина контекста составляет 512 токенов. Модель создана на базе distilbert/distilbert-base-uncased и доступна в формате safetensors.

В README указано дообучение на наборе данных, который не идентифицирован, и приведено значение loss 2.4917 на оценочной выборке. Несмотря на имя репозитория с упоминанием IMDb, карточка не подтверждает специализацию на анализе отзывов или классификации тональности. Лицензия — Apache-2.0.

Сценарии применения

восстановление замаскированных слов в предложении
подстановка пропущенного токена в текст
проверка вариантов слова по окружающему контексту

Ограничения

Данные дообучения не идентифицированы, а README не сообщает целевых сценариев и подробностей оценки. Указанный loss 2.4917 сам по себе не позволяет оценить качество заполнения маски.

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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

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: 2.4917

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
2.6917	1.0	157	2.5008
2.5725	2.0	314	2.4715
2.5286	3.0	471	2.4576

Framework versions

Transformers 5.10.2
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: b4c5e6e