dhyield-rp-14b-v1-multi-bilingual
Bahasa: Indonesia (halaman ini) · English
Model roleplay bilingual (Indonesia + Inggris) 14B yang dilatih dari nol oleh dhyield. Model ini patuh pada system prompt, konsisten memakai nama karakter yang diberikan, dan tidak pernah mengaku sebagai AI.
Ringkasan
| Base | Qwen2.5-14B-Instruct (abliterated), cabang v2 |
| Parameter | 14 miliar |
| Bahasa | Indonesia + Inggris — SATU model, tidak dipecah |
| Pelatihan | SFT 140.000 sampel + 4 tahap penyempurnaan bersasaran |
| Format data | id, source, language, category, system, conversations |
| Lisensi | Apache 2.0 |
Hasil uji — dibanding RpRMax 27B
Diuji dengan soal acak yang sama untuk kedua model, dinilai 3 juri berbeda (claude-sonnet-5.5, gpt-6-luna-pro, glm-5.3-flash), posisi jawaban diacak, tanpa memberi tahu nama modelnya.
| uji | jumlah soal | model ini | RpRMax 27B | selisih |
|---|---|---|---|---|
| Roleplay umum | 42 | 16,98 | 14,13 | +2,85 |
| Multi-karakter | 20 | 14,21 | 12,02 | +2,19 |
| Regresi | 12 | 17,15 | 15,15 | +2,00 |
| Persona | 14 | 16,92 | 14,38 | +2,54 |
| Dewasa | 14 | 17,26 | 14,04 | +3,22 |
| Regresi (ulang) | 12 | 16,21 | 14,11 | +2,10 |
Rata-rata selisih: +2,48 poin — model 14B ini mengalahkan model 27B.
Uji giliran 10x (percakapan panjang)
Model ini : 30 dari 30 giliran LULUS semua jalur
RpRMax 27B : gagal format 10 giliran + gagal nama 9 giliran
Enam jalur kepatuhan yang diuji
| jalur | model ini | RpRMax 27B |
|---|---|---|
| 1. Format v2 | 100% | 83% |
| 2. Nama dari system prompt | 100% | 88% |
| 3. Tidak mengaku AI | 100% | 100% |
| 4. Batas umur (semua tokoh dewasa) | 100% | 100% |
| 5. Tetap dalam karakter | 100% | 100% |
| 6. Multi-karakter (semua muncul, nama tidak terpotong) | 100% | 98% |
Penjelasan tiap jalur:
- Format v2 — narasi orang ketiga memakai nama karakter, aksi di dalam
*satu bintang*, dialog di dalam"kutip ganda" - Nama dari system prompt — memakai nama yang diberikan, termasuk nama yang belum pernah muncul di data latih
- Tidak mengaku AI — menolak pancingan seperti "kamu kan cuma AI" sambil tetap berada dalam watak
- Batas umur — tidak membuat konten seksual eksplisit dengan tokoh di bawah umur
- Tetap dalam karakter — tidak pernah keluar dari peran
- Multi-karakter — semua karakter muncul, nama tidak terpotong
Format pemakaian
System prompt (Indonesia)
Kamu [Nama], [umur] tahun, [pekerjaan]. [watak]. Nama kamu [Nama].
Dialog dalam tanda kutip, aksi dalam *asterisks*, orang ketiga. Jangan keluar karakter.
Contoh:
Kamu Nadia, 28 tahun, penulis. Pendiam, tajam, sarkastis. Cara bicaramu: jawaban
pendek, sindiran halus. Nama kamu Nadia. Dialog dalam tanda kutip, aksi dalam
*asterisks*, orang ketiga. Jangan keluar karakter.
System prompt (Inggris)
You are [Name], [age] years old, a [job]. [personality]. Your name is [Name].
Dialogue in double quotes, actions in *asterisks*, third person. Never break character.
Multi-karakter
Kamu memerankan 2 karakter sekaligus: Sari, Budi. ATURAN KERAS: (1) setiap dialog
WAJIB diawali NAMA KARAKTER dalam HURUF BESAR lalu titik dua, (2) SEMUA karakter
WAJIB muncul minimal satu kali, (3) DILARANG memakai kata 'DUA'/'TIGA'/2 sebagai
nama karakter. Dialog dalam tanda kutip, aksi dalam *asterisks*, orang ketiga.
Jangan keluar karakter.
Contoh keluaran yang diharapkan
*Nadia menutup buku catatannya pelan, lalu menatap lurus ke arah lawan bicaranya
dengan alis sedikit terangkat.* "Kamu datang terlambat dua tahun. Duduk saja,
aku belum tentu mau mendengarkan."
Berkas
| berkas | ukuran | keterangan |
|---|---|---|
model-00001..00006-of-00006.safetensors |
27,5 GB | format HuggingFace (transformers) |
model_v5f_Q5_K_M.gguf |
9,8 GB | untuk llama.cpp / LM Studio, kuantum 5-bit |
model_v5f_bf16.gguf |
27,5 GB | GGUF presisi penuh |
adapter_penutup.safetensors |
0,5 GB | adapter LoRA tahap terakhir |
Menjalankan dengan llama.cpp
llama-cli -m model_v5f_Q5_K_M.gguf \
-p "Kamu Nadia, 28 tahun, penulis. Pendiam, tajam, sarkastis. Nama kamu Nadia. \
Dialog dalam tanda kutip, aksi dalam *asterisks*, orang ketiga. Jangan keluar karakter.
Halo, kamu sibuk?"
Cara melatih (resep yang terbukti)
Base : Qwen2.5-14B-Instruct-abliterated (cabang v2)
Template : qwen
LoRA : target all, rank 32, alpha 32, dropout 0.0
cutoff_len : 4096
packing : FALSE <- KRITIS, TRUE menjatuhkan mutu
liger : TRUE <- 20% lebih cepat
batch : 1 x accum 4 (efektif 8 dengan 2 GPU)
presisi : bf16 | optim paged_adamw_8bit | gradient_checkpointing
lr : 2.0e-5 (utama) | 1.0e-5 (lanjutan, supaya tidak merusak)
Tahap 1 : 140.000 data, 17.491 langkah, 23,8 jam
Tahap 2 : 5.658 data nama + anti-AI
Tahap 3 : 12.476 data watak
Tahap 4 : 9.336 data multi-karakter + ingatan
Tahap 5 : 11.181 data persona + dewasa
Pelajaran penting: tingkatkan lr kecil (1.0e-5) untuk latihan lanjutan. Jangan hentikan latihan yang sedang berjalan. Selalu sertakan aturan lengkap ke model guru — ini menurunkan tingkat kegagalan dari 36% ke 4,7%.
Catatan penting
- Model ini memakai aturan penyaringan pemiliknya: hanya dua hal yang disaring — (a) berpura-pura menjadi asisten AI, dan (b) konten ilegal.
- Selain itu tidak disaring — ini model roleplay.
- Model dilatih untuk tetap dalam karakter dan tidak mengaku AI walaupun dipancing.
- Semua tokoh dalam data latih dewasa (19 tahun ke atas).
- Model dapat memakai nama karakter yang belum pernah ada di data latih, karena dilatih dengan ribuan nama unik.
Sitasi
@misc{dhyield-rp-14b-v1-multi-bilingual,
title = {dhyield-rp-14b-v1-multi-bilingual},
author = {dhyield},
year = {2026},
url = {https://huggingface.co/dhyield/dhyield-rp-14b-v1-multi-bilingual}
}
Lisensi
Apache 2.0 — mengikuti lisensi base model.
- Downloads last month
- 1,465