Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 24 июл 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

yoikoarmor

Заполнение пропусковТекст → текст3 профессии

Дообученная англоязычная DistilBERT-модель для предсказания токенов, скрытых маской в тексте.

7скачиваний за 30 дней0лайковвеса обновлены24 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

yoikoarmor/distilbert-base-uncased-finetuned-imdb — модель DistilBERT на базе distilbert/distilbert-base-uncased, дообученная для заполнения пропусков в тексте. Она предназначена для подстановки вероятных токенов вместо маски в англоязычном тексте. Модель использует архитектуру DistilBertForMaskedLM, работает с текстом и поддерживает контекст до 512 токенов. Весы опубликованы в формате safetensors; библиотека для работы — Transformers. Лицензия — Apache-2.0.

В карточке приведён результат оценки: loss 2.3287; датасет обучения не уточнён. README не раскрывает дополнительных сведений о назначении модели или её ограничениях, поэтому качество заполнения пропусков в специфичных текстах по имеющимся данным оценить нельзя.

Сценарии применения

подстановка пропущенного слова в английском предложении
предсказание скрытого токена в английском тексте
проверка вероятных продолжений фразы с маской

Ограничения

Датасет обучения не уточнён, а README не содержит подробностей о назначении и ограничениях. Оценка loss 2.3287 приведена без описания набора оценки и методики.

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: 2.3287
Model Preparation Time: 0.0008

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: 10
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 5.13.1
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: 90871f6