Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 15 сен 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

tomgeorge00

Заполнение пропусковТекст → текст3 профессии

Дообученная англоязычная DistilBERT-модель для предсказания слов на месте маскированных токенов.

62скачиваний 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

tomgeorge00/distilbert-base-uncased-finetuned-imdb — дообученная модель семейства DistilBERT для заполнения пропусков в тексте. Она построена на distilbert/distilbert-base-uncased и использует архитектуру DistilBertForMaskedLM; модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Метаданные Hugging Face указывают задачу fill-mask, а README подтверждает дообучение на неизвестном наборе данных.

Модель подходит для подстановки наиболее вероятных слов вместо маскированных токенов в англоязычном тексте. В названии упоминается IMDb, однако README не подтверждает назначение для анализа тональности или специфику обучающих данных. Лицензия — Apache-2.0. README приводит значение loss 2.4833 на оценочном наборе, но не описывает протокол оценки; сведения о качестве следует трактовать с учётом этого ограничения.

Сценарии применения

Подстановка пропущенного слова в английском предложении
Подбор вероятного токена для маскированного текста
Дополнение фрагмента текста с пропуском

Ограничения

Обучающий набор данных неизвестен, а README не приводит подробностей об оценке помимо loss 2.4833. Название упоминает IMDb, но назначение для анализа отзывов или тональности не подтверждено.

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-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: 2.4833

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 4.57.1
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: c8c20ef