是的，BertForSequenceClassification模型对CLS向量进行分类。下面是一个使用PyTorch的示例代码：

import torch
from transformers import BertTokenizer, BertForSequenceClassification

# 加载预训练的Bert模型和tokenizer
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
model = BertForSequenceClassification.from_pretrained('bert-base-uncased')

# 输入文本
text = "This is an example sentence."

# 对文本进行tokenize和编码
inputs = tokenizer.encode_plus(
    text,
    add_special_tokens=True,
    padding='max_length',
    truncation=True,
    max_length=128,
    return_tensors='pt'
)

# 获取输入的tensor
input_ids = inputs['input_ids']
attention_mask = inputs['attention_mask']

# 使用BertForSequenceClassification进行分类
outputs = model(input_ids, attention_mask=attention_mask)
logits = outputs.logits

# 获取预测结果
predictions = torch.argmax(logits, dim=1).item()
print(predictions)

在上述代码中，BertForSequenceClassification模型接收文本输入后，会返回一个包含logits的输出。通过在logits上使用argmax函数，可以获取到最终的分类结果。