Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Архитектура: bert · dense
Библиотека: transformers
Опубликована: 30 июн 2026

Ссылки

Hugging Face

MBG

yobearl

Классификация текстаТекст → label

MBG — BERT-модель для классификации текстовых последовательностей, обученная с нуля.

4скачиваний за 30 дней0лайковвеса обновлены30 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

MBG — модель классификации текста на базе BERT, опубликованная пользователем yobearl на Hugging Face. Она обучена с нуля на неизвестном наборе данных и предназначена для классификации текстовых последовательностей. Модель содержит 151,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и представлена в формате TensorFlow для библиотеки Transformers.

Карточка не сообщает о метках классов, предметной области, языках обучающих данных или результатах оценки, поэтому применимость к конкретной задаче определить нельзя. Лицензия в доступных данных не указана.

Сценарии применения

классификация текстовых последовательностей
отнесение текста к заданным категориям
эксперименты с классификацией текста на базе BERT

Ограничения

Неизвестны обучающие данные, классы и качество на оценочном наборе; пригодность для конкретных языков и задач не установлена. Указанный размер контекста — до 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MBG

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

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:

optimizer: None
training_precision: float32

Training results

Framework versions

Transformers 4.48.2
TensorFlow 2.20.0
Datasets 4.0.0
Tokenizers 0.21.4

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры: BertForSequenceClassification
Ревизия весов: 07eae2b