Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 2 июл 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

zslai22

Заполнение пропусковТекст → текст3 профессии

Дообученная DistilBERT-модель для восстановления замаскированных токенов в тексте.

8скачиваний за 30 дней0лайковвеса обновлены2 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

distilbert-base-uncased-finetuned-imdb — дообученная модель на архитектуре DistilBERT, разработанная на базе distilbert/distilbert-base-uncased. По метаданным это маскированная языковая модель для задачи fill-mask: она принимает текст с пропуском и предсказывает подходящий токен. В репозитории указаны формат safetensors и контекст до 512 токенов.

В README отмечено дообучение на датасете, названном неизвестным; подробностей о данных и целевом сценарии нет. Несмотря на суффикс imdb в названии, подтверждения задачи классификации тональности метаданные и README не содержат. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

подстановка пропущенного слова в предложении
получение вариантов продолжения текста с маской
проверка контекста для выбора слова

Ограничения

README не раскрывает датасет, назначение суффикса imdb и результаты на прикладных задачах; приведённая оценка eval_loss сама по себе не подтверждает качество классификации тональности.

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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

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:

eval_loss: 3.0881
eval_model_preparation_time: 0.0016
eval_runtime: 1.3424
eval_samples_per_second: 744.921
eval_steps_per_second: 11.919
epoch: 0
step: 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 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

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 · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: d4e8649