ValueFX9507/Tifa-Deepsex-14b-CoT-Q8

Tifa-Deepseek-14b-CoT

• HF Model: ValueFX9507/Tifa-Deepsex-14b-CoT
• GGUF: F16 | Q4（更多量化版本持续更新中）
• Demo APK: 点击下载
• 简单的前端：Github链接

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
• 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

  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

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
3. 生成内容需符合当地法律法规

💡 使用建议

最佳实践：

# 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：

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