Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 20 авг 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

valentini

Заполнение пропусковТекст → текст3 профессии

Дообученная англоязычная модель DistilBERT для предсказания замаскированных слов в тексте.

9скачиваний за 30 дней0лайковвеса обновлены20 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

valentini/distilbert-base-uncased-finetuned-imdb — дообученная модель DistilBERT для восстановления замаскированных слов в тексте. Она основана на distilbert/distilbert-base-uncased и использует архитектуру DistilBertForMaskedLM. Модель рассчитана на англоязычные тексты; максимальная длина контекста составляет 512 токенов.

Карточка приводит значение loss 2,4176 на оценочном наборе, но не описывает набор данных, сценарии применения или методику оценки. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

восстановление пропущенного слова в англоязычном предложении
подбор вероятного слова для маски в тексте
проверка контекстных вариантов заполнения пропусков

Ограничения

Данные обучения не раскрыты, а описание сценариев применения отсутствует; приведённая оценка loss не сопровождается сведениями о методике и наборе оценки.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

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/distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.4176
Model Preparation Time: 0.0

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 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: 2.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time
2.5567	1.0	157	2.4873	0.0
2.5112	2.0	314	2.4378	0.0

Framework versions

Transformers 5.14.1
Pytorch 2.13.0+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: 6e013bd