Характеристики

Контекст: 514 токенов
Параметры: 95,2 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Базовая модель: distilroberta-base
Библиотека: transformers
Опубликована: 14 сен 2026

Ссылки

Hugging Face

eli5_mlm_model

tcmiranda

Заполнение пропусковТекст → текст3 профессии

Дообученная англоязычная RoBERTa-модель для предсказания пропущенных слов по контексту.

89скачиваний за 30 дней0лайковвеса обновлены15 сен 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

tcmiranda/eli5_mlm_model — дообученная модель на базе distilbert/distilroberta-base с архитектурой RoBERTa и головой RobertaForMaskedLM. Она предназначена для заполнения пропусков в тексте: по контексту предсказывает слово или фрагмент, скрытый специальным токеном маски. Модель содержит 95,2 млн параметров и принимает последовательности длиной до 514 токенов.

В карточке указана оценка Loss 2.0053 на наборе для оценки, но датасет, сценарии обучения и более подробные характеристики не описаны. Базовая модель англоязычная, поэтому модель ориентирована прежде всего на английский текст. Опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

подстановка пропущенного слова в английском предложении
предложение вариантов продолжения текста с маской
проверка контекстной уместности слова в пропуске

Ограничения

В README не описаны обучающий датасет, предполагаемые сценарии применения и подробные ограничения; указана только оценка Loss 2.0053. Модель рассчитана на английский текст и контекст до 514 токенов.

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 I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

eli5_mlm_model

This model is a fine-tuned version of distilbert/distilroberta-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.0053

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: 8
eval_batch_size: 8
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
2.2395	1.0	1294	2.0392
2.1834	2.0	2588	2.0270
2.1311	3.0	3882	2.0188

Framework versions

Transformers 5.17.0
Pytorch 2.14.0
Datasets 5.0.1
Tokenizers 0.23.2

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: RobertaForMaskedLM
Ревизия весов: 3d6ad0f