Update README.md
Browse files
README.md
CHANGED
|
@@ -40,8 +40,6 @@ license: apache-2.0
|
|
| 40 |
-10K由TifaMax生成PPO数据，10K由DeepseekR1生成PPO数据
|
| 41 |
|
| 42 |
💭**输出实例**
|
| 43 |
-
|
| 44 |
-
|
| 45 |
## ⚙️System Promot
|
| 46 |
```Text
|
| 47 |
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.
|
|
@@ -56,6 +54,8 @@ license: apache-2.0
|
|
| 56 |
|
| 57 |
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。
|
| 58 |
```
|
|
|
|
|
|
|
| 59 |
|
| 60 |
## 0208更新消息：
|
| 61 |
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。♥
|
|
|
|
| 40 |
-10K由TifaMax生成PPO数据，10K由DeepseekR1生成PPO数据
|
| 41 |
|
| 42 |
💭**输出实例**
|
|
|
|
|
|
|
| 43 |
## ⚙️System Promot
|
| 44 |
```Text
|
| 45 |
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.
|
|
|
|
| 54 |
|
| 55 |
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。
|
| 56 |
```
|
| 57 |
+
|
| 58 |
+
|
| 59 |
|
| 60 |
## 0208更新消息：
|
| 61 |
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。♥
|