Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Опубликована: 25 июн 2026

Ссылки

news-classifier

Классификация текстаТекст → label6 профессий

Классификатор на базе DistilBERT распределяет новостные статьи по четырём темам: мировые новости, спорт, бизнес и наука/технологии.

14скачиваний за 30 дней0лайковвеса обновлены25 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

Модель samandar1105/news-classifier — классификатор новостных статей на основе DistilBERT, дообученный на датасете AG News из 120 000 обучающих примеров. Она относит текст к одной из четырёх категорий: World, Sports, Business или Sci/Tech.

Модель предназначена для автоматической тематической сортировки новостей и разметки новостных потоков. Архитектура — DistilBertForSequenceClassification; модель принимает текст и выдаёт метку класса. Контекст составляет до 512 токенов. В README указаны accuracy и F1 по 0,9447; лицензия в предоставленных данных не приведена.

Сценарии применения

Сортировка новостных статей по тематическим рубрикам
Автоматическая разметка новостной ленты
Выделение спортивных новостей из потока публикаций
Фильтрация деловых новостей
Классификация мировых новостей и материалов о науке и технологиях

Ограничения

Модель обучена на англоязычном AG News и рассчитана на четыре заданные категории; качество на других языках и типах текста не подтверждено. Максимальная длина контекста — 512 токенов.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DistilBERT Fine-Tuned on AG News

This model classifies news articles into 4 categories: World, Sports, Business, and Sci/Tech.

Model Details

Base model: distilbert-base-cased
Dataset: AG News (120,000 training samples)
Task: Multi-class text classification (4 classes)
Framework: PyTorch + HuggingFace Transformers

Performance

Metric	Score
Accuracy	0.9447
F1 Score	0.9447

Classes

ID	Label
0	World
1	Sports
2	Business
3	Sci/Tech

How to Use

from transformers import pipeline

classifier = pipeline(
    "text-classification",
    model="samandar1105/news-classifier"
)

result = classifier("Apple reported record quarterly earnings.")
print(result)  # [{'label': 'Business', 'score': 0.98}]

Training Details

Learning rate: 2e-5
Epochs: 4
Batch size: 32
Max sequence length: 128
Warmup ratio: 0.1
Weight decay: 0.01

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 86d27f9