Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 11 июн 2026

Ссылки

my_awesome_wnut_model

Разметка токеновТекст → label

Дообученная DistilBERT-модель для распознавания именованных сущностей в англоязычных текстах, включая сообщения с редкими названиями.

4скачиваний за 30 дней0лайковвеса обновлены11 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

my_awesome_wnut_model — дообученная на наборе WNUT 17 модель DistilBERT для классификации токенов. Она предназначена для распознавания именованных сущностей в англоязычных текстах, включая сообщения из социальных сетей и другие тексты с редкими или нестандартными названиями. Модель основана на distilbert/distilbert-base-uncased, использует архитектуру DistilBertForTokenClassification и принимает текстовые последовательности длиной до 512 токенов.

На оценочном наборе указаны F1 0,4139, точность 0,5659, полнота 0,3262 и accuracy 0,9422; невысокие F1 и полнота ограничивают надёжность извлечения сущностей. Модель распространяется по лицензии Apache 2.0.

Сценарии применения

извлечение именованных сущностей из постов в социальных сетях
поиск организаций и персон в коротких англоязычных сообщениях
разметка сущностей в пользовательском контенте
экспериментальная оценка NER на наборе WNUT 17

Ограничения

На оценочном наборе WNUT 17 модель показывает F1 0,4139 и полноту 0,3262, поэтому часть сущностей может оставаться нераспознанной. Описание обучения и дополнительные ограничения в карточке не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_wnut_model

This model is a fine-tuned version of distilbert/distilbert-base-uncased on the wnut_17 dataset. It achieves the following results on the evaluation set:

Loss: 0.2639
Precision: 0.5659
Recall: 0.3262
F1: 0.4139
Accuracy: 0.9422

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: 16
eval_batch_size: 16
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: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
No log	1.0	213	0.2732	0.5488	0.2864	0.3764	0.9396
No log	2.0	426	0.2639	0.5659	0.3262	0.4139	0.9422

Framework versions

Transformers 5.10.1
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 · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForTokenClassification
Ревизия весов: 8b32379