Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 18 авг 2026

Ссылки

Hugging Face

distilbert-cased-imdb-finetuned

tankgauravgt

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель для предсказания замаскированных слов в англоязычном тексте.

9скачиваний за 30 дней0лайковвеса обновлены18 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

tankgauravgt/distilbert-cased-imdb-finetuned — дообученная модель на базе distilbert/distilbert-base-uncased с архитектурой DistilBertForMaskedLM. Она предназначена для заполнения пропусков в англоязычном тексте: модель предсказывает замаскированный токен по окружающему контексту. Использовать её можно для восстановления пропусков и языкового моделирования с маской; контекст составляет до 512 токенов.

Модель распространяется в формате safetensors по лицензии Apache-2.0. Данные для дообучения описаны как неизвестный датасет, поэтому результаты на указанном evaluation set ограниченно характеризуют её качество.

Сценарии применения

заполнение пропусков в предложениях
предсказание замаскированного слова по контексту
восстановление пропущенных токенов в англоязычном тексте

Ограничения

Датасет дообучения неизвестен, поэтому результаты оценки имеют ограниченную интерпретируемость. 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-uncased-imdb-finetuned

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: 0.3964
Model Preparation Time: 0.0011

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

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time
0.4505	1.0	782	0.4064	0.0011
0.4195	2.0	1564	0.3985	0.0011
0.4130	3.0	2346	0.3957	0.0011

Framework versions

Transformers 5.15.0
Pytorch 2.12.1+cu130
Datasets 5.0.1
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: 949dcfa