Характеристики

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

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-adl_hw1

wesleyishere123

Классификация текстаТекст → label

Дообученная англоязычная DistilBERT для классификации текста, обученная на неописанном наборе данных.

6скачиваний за 30 дней0лайковвеса обновлены11 июл 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

Модель wesleyishere123/distilbert-base-uncased-finetuned-adl_hw1 — дообученная версия DistilBERT для классификации текста. Она использует архитектуру DistilBertForSequenceClassification и рассчитана на обработку входных последовательностей длиной до 512 токенов. В README приведены результаты оценки: loss 0,1968 и accuracy 0,9567; набор данных и классы не описаны, поэтому эти показатели нельзя соотнести с конкретной задачей или независимо интерпретировать.

Модель предназначена для классификации текста в сценариях, соответствующих её неизвестному набору данных. Базовая модель DistilBERT uncased работает с текстом на английском языке. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

Классификация английских текстов по меткам обучающей задачи
Автоматическая категоризация коротких текстовых сообщений
Получение метки класса для входной последовательности

Ограничения

Обучающий набор данных, классы и предполагаемая прикладная область не описаны. Приведённые метрики оценки не сопровождаются сведениями о разбиении данных или методике оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-adl_hw1

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: 0.1968
Accuracy: 0.9567

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: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
4.2895	1.0	938	1.7494	0.87
1.1893	2.0	1876	0.4838	0.947
0.2981	3.0	2814	0.2504	0.9537
0.1173	4.0	3752	0.2074	0.9563
0.0726	5.0	4690	0.1968	0.9567

Framework versions

Transformers 5.12.1
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 · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: d0feb2f