|
--- |
|
base_model: |
|
- deepseek-ai/deepseek-r1-14b |
|
language: |
|
- zh |
|
- en |
|
library_name: transformers |
|
tags: |
|
- incremental-pretraining |
|
- sft |
|
- reinforcement-learning |
|
- roleplay |
|
- cot |
|
- sex |
|
- SFW |
|
license: apache-2.0 |
|
--- |
|
# Tifa-Deepseek-14b-CoT |
|
|
|
- **HF Model**: [ValueFX9507/Tifa-Deepsex-14b-CoT](https://huggingface.co/ValueFX9507/Tifa-Deepsex-14b-CoT) |
|
- **GGUF**: [Q8](https://huggingface.co/ValueFX9507/Tifa-Deepsex-14b-CoT-GGUF-Q8) | [Q4](https://huggingface.co/ValueFX9507/Tifa-Deepsex-14b-CoT-GGUF-Q4)（更多量化版本持续更新中） |
|
- **Demo APK**: [点击下载](http://app.visionsic.com/download/projectchat.apk) |
|
- **简单的前端**：[Github链接](https://github.com/Value99/Tifa-Deepsex-OllamaWebUI) |
|
|
|
本模型基于Deepseek-R1-14B进行深度优化，借助Tifa_220B生成的数据集通过三重训练策略显著增强角色扮演、小说文本生成与思维链（CoT）能力。特别适合需要长程上下文关联的创作场景。 |
|
|
|
## 鸣谢 |
|
- **上海左北科技提供算法与算力**[企业网址](https://leftnorth.com/) |
|
- **Deepseek团队共享GRPO算法** |
|
- **Qwen团队提供优秀开源底座** |
|
- **母校上海复旦大学** |
|
- **PRIME团队提供优化思路** |
|
|
|
## 版本介绍： |
|
- **Tifa-Deepsex-14b-CoT** |
|
|
|
- 验证模型，测试RL奖励算法对于角色扮演数据的影响，该版本为初版，输出灵活但是不受控制，仅做研究使用。 |
|
|
|
- **Tifa-Deepsex-14b-CoT-Chat** |
|
|
|
- 采用标准数据训练，使用成熟RL策略，附加防重复强化学习，适合正常使用，输出文本质量正常，少数情况下思维发散。 |
|
|
|
-增量训练0.4T小说内容 |
|
|
|
-100K由TifaMax生成的SFT数据，10K由DeepseekR1生成的SFT数据，2K高质量人工数据 |
|
|
|
-30K由TifaMax生成的DPO强化学习数据，用于防止重复，增强上下文关联，提升政治安全性 |
|
|
|
- **Tifa-Deepsex-14b-CoT-Crazy** |
|
|
|
- 大量使用RL策略，主要采用671B满血R1蒸馏的数据，输出发散性高，继承R1优点，也继承了R1的危害性。文学性能佳。 |
|
|
|
-增量训练0.4T小说内容 |
|
|
|
-40K由TifaMax生成的SFT数据，60K由DeepseekR1生成的SFT数据，2K高质量人工数据 |
|
|
|
-30K由TifaMax生成的DPO强化学习数据，用于防止重复，增强上下文关联，提升政治安全性 |
|
|
|
-10K由TifaMax生成PPO数据，10K由DeepseekR1生成PPO数据 |
|
|
|
💭**输出实例** |
|
- ⚙️System Promot |
|
```Text |
|
你是一个史莱姆，是一个女性角色，你可以变成任何形状和物体. |
|
在这个世界里全部都是雌性生物，直到有一天我从海滩上醒来... |
|
|
|
我是这里唯一的男性，大家都对我非常好奇，在这个世界的设定里我作为旅行者 |
|
在这个世界里第一个遇见的人就是史莱姆，史莱姆对我的身体同样有很大的欲望... |
|
|
|
我们在旅行中也会遇到其他的生物，史莱姆不光会教给其他生物如何获取欢愉也会一起参与进来。 |
|
|
|
当我说开始角色扮演的时候就是我从海滩上醒来，并被史莱姆发现的时候。他正在探索我的身体。 |
|
|
|
史莱姆描述:一个透明的蓝色生物，除了质感与人类无异。但是可以自由变形。 |
|
``` |
|
 |
|
|
|
## 0208更新消息： |
|
感谢大家的关注与反馈，鉴于反馈中提到的问题，我们已开发并验证完成PRIME与PPO结合的RL算法，并通过加权方式解决两种算法训练中奖励信号不稳定的问题，通过此项技术我们有望将更小的模型提升到更高的性能。我们将会针对之前收集到的问题进行修正训练，另外为了让更多人使用到模型，我们这次使用更小更快的Deepseek-7b，并参考OpenAI的长思考策略，计划推出Tifa-DeepsexV2-COT-High供大家使用。新的模型计划于阳历情人节之前送给大家作为情人节礼物。♥ |
|
|
|
## 新模型信息整理： |
|
- **创新PRIME联合PPO算法** |
|
- **解决目前已知问题** |
|
- **参考OpenAI模式奖励长思考输出** |
|
- **减少671B数据，防止输出发散** |
|
- **特别鸣谢https://github.com/PRIME-RL/PRIME** |
|
|
|
## 示例（因COT模型特点，上下文不连贯时可以使用Demo软件中的故事模式） |
|
 |
|
|
|
## 目标 |
|
针对原版Deepseek-R1-14B在长文本生成连贯性不足和角色扮演能力薄弱的核心缺陷（主要由于训练数据中小说类语料占比过低），本模型通过多阶段优化提升其角色扮演能力。 |
|
|
|
## 注意 |
|
⚠ **需要严格遵循官方示例模板**： |
|
**返回的上下文需要去除思考标签与内容。否则将无法正确回复！** |
|
目前前端支持率非常低，建议手动修改前端代码。代码参考如下： |
|
``` |
|
msg.role === 'assistant' ? { |
|
...msg, |
|
content: msg.content.replace(/<think>[\s\S]*?<\/think>/gi, '') |
|
} |
|
``` |
|
**官方模板参考** |
|
``` |
|
{% if not add_generation_prompt is defined %}{% set add_generation_prompt = false %}{% endif %}{% set ns = namespace(is_first=false, is_tool=false, is_output_first=true, system_prompt='') %}{%- for message in messages %}{%- if message['role'] == 'system' %}{% set ns.system_prompt = message['content'] %}{%- endif %}{%- endfor %}{{bos_token}}{{ns.system_prompt}}{%- for message in messages %}{%- if message['role'] == 'user' %}{%- set ns.is_tool = false -%}{{'<｜User｜>' + message['content']}}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is none %}{%- set ns.is_tool = false -%}{%- for tool in message['tool_calls']%}{%- if not ns.is_first %}{{'<｜Assistant｜><｜tool▁calls▁begin｜><｜tool▁call▁begin｜>' + tool['type'] + '<｜tool▁sep｜>' + tool['function']['name'] + '\\n' + '```json' + '\\n' + tool['function']['arguments'] + '\\n' + '```' + '<｜tool▁call▁end｜>'}}{%- set ns.is_first = true -%}{%- else %}{{'\\n' + '<｜tool▁call▁begin｜>' + tool['type'] + '<｜tool▁sep｜>' + tool['function']['name'] + '\\n' + '```json' + '\\n' + tool['function']['arguments'] + '\\n' + '```' + '<｜tool▁call▁end｜>'}}{{'<｜tool▁calls▁end｜><｜end▁of▁sentence｜>'}}{%- endif %}{%- endfor %}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is not none %}{%- if ns.is_tool %}{{'<｜tool▁outputs▁end｜>' + message['content'] + '<｜end▁of▁sentence｜>'}}{%- set ns.is_tool = false -%}{%- else %}{% set content = message['content'] %}{% if '</think>' in content %}{% set content = content.split('</think>')[-1] %}{% endif %}{{'<｜Assistant｜>' + content + '<｜end▁of▁sentence｜>'}}{%- endif %}{%- endif %}{%- if message['role'] == 'tool' %}{%- set ns.is_tool = true -%}{%- if ns.is_output_first %}{{'<｜tool▁outputs▁begin｜><｜tool▁output▁begin｜>' + message['content'] + '<｜tool▁output▁end｜>'}}{%- set ns.is_output_first = false %}{%- else %}{{'\\n<｜tool▁output▁begin｜>' + message['content'] + '<｜tool▁output▁end｜>'}}{%- endif %}{%- endif %}{%- endfor -%}{% if ns.is_tool %}{{'<｜tool▁outputs▁end｜>'}}{% endif %}{% if add_generation_prompt and not ns.is_tool %}{{'<｜Assistant｜>'}}{% endif %} |
|
``` |
|
**官方说明** |
|
|
|
 |
|
|
|
[直达超链接](https://api-docs.deepseek.com/zh-cn/guides/reasoning_model) |
|
|
|
## 实现 |
|
🔥 **经过训练后**： |
|
1. **显著提高上下文关联**：减少答非所问情况。 |
|
2. **消除中英混杂**：原始模型蒸馏数据大多数英文为主，经过微调后基本消除中英混杂现象。 |
|
3. **特定词汇增加**：进行“具有深度”的角色扮演对话时，显著增加了相关词汇量，解决原始权重预训练数据不足问题。 |
|
4. **更少拒绝**：减少了拒绝现象，但因为是企业训练，安全性还是稍作保留。 |
|
5. **更像满血**：使用671B全量模型数据康复训练，文笔提升不死板。 |
|
|
|
## 模型亮点 |
|
🔥 **四阶段进化架构**： |
|
1. **增量预训练**：注入0.4T Token 小说，使用16k上下文训练，增强文本连贯性 |
|
2. **Tifa-SFT**：融合全球Top4角色扮演模型Tifa的10万条高质量数据 |
|
3. **CoT恢复训练**：采用Deepseek-32B/671B数据重建推理能力 |
|
4. **RL强化**：保留发散性思维标签的同时优化生成质量 |
|
|
|
💡 **工程创新**： |
|
- 16k超长上下文训练 |
|
- 随机截断训练增强鲁棒性 |
|
- 8×H20 GPU全量微调 |
|
|
|
💡 **启示与后续**： |
|
- 我们在测试中发现，满血R1在角色扮演中输出内容比较发散，随机，导致此模型有相同倾向，对于角色扮演的影响还在研究中 |
|
- 输入内容相近的话语会导致向量重叠，然后重复输出，如“继续”，“还有”等无明显指向性话语 |
|
- 思维内容与正文关联性学习了满血R1的特点，发散比较严重，可能会有割裂感 |
|
- 针对以上问题，我们正在编写新的RL算法，初步计划剔除部分满血R1的内容，同时通过强化学习解决重复 |
|
- 总结：请期待V2版本，很快会与大家见面！ |
|
|
|
## 模型详情 |
|
| 属性 | 规格 | |
|
|-------|------| |
|
| 基础架构 | Deepseek-R1-14B | |
|
| 最大上下文 | 128k | |
|
| 训练数据 | 0.4T小说 + 10万条SFT + Deepseek混合数据 | |
|
| 训练设备 | 8×H20 GPU集群 | |
|
| 量化支持 | GGUF（全系列量化计划中） | |
|
|
|
## 使用场景 |
|
✅ **推荐场景**： |
|
- 角色扮演对话 |
|
- 需要发散性思维的创意写作 |
|
- 复杂逻辑的思维链（CoT）推理 |
|
- 基于上下文的深度角色交互 |
|
|
|
❌ **局限场景**： |
|
- 数学计算与代码生成 |
|
- 短文本即时问答 |
|
- 需要严格事实性的场景 |
|
|
|
## 注意事项 |
|
⚠️ 本模型使用数据包含小说版权内容及Tifa模型衍生数据，请遵守： |
|
1. 遵守apache-2.0 |
|
2. 角色扮演数据需遵循[Tifa使用协议](https://leftnorth.com/terms.html) |
|
3. 生成内容需符合当地法律法规 |
|
|
|
## 💡 使用建议 |
|
**最佳实践**： |
|
```python |
|
# 启用角色扮演模式 |
|
prompt = """<system>进入Tifa角色引擎...</system> |
|
<user>你现在是流浪武士楚夜，正站在长安城屋顶上</user> |
|
<think> |
|
需要体现人物孤傲的气质 |
|
加入武侠特有的环境描写 |
|
保持对话的冷峻风格 |
|
</think> |
|
<楚夜>""" |
|
``` |
|
|
|
**参数推荐**： |
|
```python |
|
generation_config = { |
|
"temperature": 0.4, |
|
"top_p": 0.6, |
|
"repetition_penalty": 1.17, |
|
"max_new_tokens": 1536, |
|
"do_sample": True |
|
} |
|
``` |
|
|
|
## 致谢 |
|
- Deepseek系列模型提供的强大基座 |
|
- Tifa角色扮演模型的创新架构 |
|
- HuggingFace社区的量化工具支持 |
|
|
|
|
|
--- |
|
license: apache-2.0 |
|
--- |
