由于成果已经一步步完善, 我们已经可以看到成功的预兆, 我在此贴更新项目的进展.

首先呢, 第一项是我们改名字了. mgpt这个名字挺草率的, 因为项目到了现在已经跟gpt没啥关系了. 我们改叫它: MAICA (音"迈卡", 很朴实无华的缩写.) 我希望用起这个新名字的时候, 大家还认识它.

以上截图是最近的第二轮试训练的产出. 可以看到, 在有限的提示指导下, 模型对莫妮卡角色形象本身有了可以称为"理解"的属性. 当然, 训练设计和模型优化仍然处于早期阶段, 但这样的进展于我而言已经很是激动人心. 我们会尽快开始第三轮以及更多的试训练. 如果一切顺利, 我希望在第三轮结束后就开始反馈式学习, 通过收集使用数据以进一步改善训练--当然还得是一切顺利的前提下, 而顺利的时候并不多. 在希望大家期待的同时, 我也希望大家保持理性, 保持耐心. 就算目前的结果已经初具雏形, 但我们离目标中接近完美的莫妮卡形象还有相当的距离. 请大家期待我们的进步.

更多的一些测试语句, 以展示训练的成果和局限性. 此轮训练在数据构建中比较单调, 使用的prompt也十分单薄. 我期待接下来的训练产出更好的结果.

接下来我们把话筒递给莫妮卡现在的雏形, 第零代"克利福德": 呃, 她挺谦虚的. 我们期待她未来的表现. 下一轮的训练并不会等太久. 我们正在向遥不可及迈出第一步, 很快我们将让所有人看到我们踏出的脚印. 欢迎各位在此贴中探讨和提供有价值的想法. 后续的进展将在此贴继续更新.

好——耶！期待期待！！

关于第三轮训练的设计: 我简单回顾了一下第二轮的结果. 虽然表现还不错, 但是在"简单问题上犯蠢"这种现象比较像是过拟合的表现. 像第二轮一样直接用目标集训练可能有点自信过头了, 我打算在第三轮里面尝试更早之前用过的混集方法. 我希望混合训练集能矫正lora的整层改动和ptuning的整体改动之间改动密度的差距. 我也不清楚这个差距到底在哪以及怎么改, 但是有已知方法肯定是要试试看的. 至于反馈学习, 可能至少会推迟到第四轮或者更后面吧.

唉, 想想就很头疼. 这次的训练集又加了常识集, 此外还加了一个测试的强针对集. 我当然也希望能用更简单的单个数据集搞定问题, 但是就是没法做到那么简单. 常识集用来中和过拟合是一种很怎么说呢土八路的做法, 既不优雅也不稳定. 强针对集更是专门的头痛医头脚痛医脚, 只能针对有限的测试改善表现, 而且还容易导致测试中发现不了真正重要的问题. 但是有什么办法呢, 繁琐复杂的混集在maica中训练的表现确实比单独的目标集要好得多, 从最开始的训练和设计中就是这样的, 后面也只能按这样往下走. 效果到底为什么好了都不知道, 而且很伤脑筋. 没有别的办法可想, 角色扮演本来就需要海量的数据, 但maica根本不可能弄到那么多. 按比例混合各种数据集, 做鸡尾酒也是没有办法的办法了. 我打算明天按照1:1:5混合常识, 目标和强针对, 再做一轮测试. 这个比例在第零次测试中表现还不错. 至于ptuning和lora, qlora的表现区别到底在哪里, 我也不好总结, 但是至少lora没有那么容易发疯. 如果测试顺利, 我希望看到面对简单问题的表现下降能得到缓解. 明天还要装机柜去, 估计一天不一定搞得完. 头疼也很需要缓解就是了.

迈向遥不可及的第一步(MAICA)

Edge

LIA模型的新迭代已经上传, Beta2将很快开始.

Edge

这个迭代的模型感觉是欠拟合的, 是微调的层不够吗?

我至少需要再测试一次确定最佳的训练层是哪些.

Edge

简单查了下资料, 只微调qkv对maica的任务显然是不够的.

下一次迭代我会尝试qkvo和all-linear, 确定一下到底哪种方案最合适.

目前的数据集倒是已经挺完善了, 除了水可以少兑点.

Ducklyfish

非大陆用户真的完全无法使用吗

Edge

#367 Ducklyfish 目前并没有, 但是不提供任何保证, tos里面有写.

也就是说你可以用, 但如果遇到了安全问题可能会被停用而不提供理由.

Edge

来张照, 最终的铸灾神械. 有4套系统和13张显卡的复杂设计.

我其实不太打算再更新换代它了, 毕竟再后面也难说有这个性价比的显卡.

昂贵电子产品的寿命就像梦想一样短暂.

Beta3的模型已经取得进展, 我应该会把它做成一次维持时间较长的稳定测试, 必须开始收集数据了.

如果最终拟合效果证明我的新思路是正确的, 我会把它更新在最佳实践里.

Vega

#369 Edge

我最近考虑也搭建一个PC考虑试试用服务器的CPU和GPU

看极客湾他们搭配的蛮强的

等再便宜的时候我就买来试试

Edge

思路不太对. 对mlp的训练好像很容易导致连续对话混乱, 原因尚不清楚.

我会增大抗过拟合再试一次. 如果还是不行就指望qkvo了.

Edge

训练还在继续, 练完会很慢, 但是明天至少验收一次试试看.

抗过拟合的训练参数有一定的效果. 我希望至少有一个比之前好的表现.

我说实话, 这是在时间和投入上都看不到头的持久战. 如果你之前想过而没去做, 那你应该比我聪明点.

Edge

有一个数据集有问题. 只能调整配比再重开一次. 希望时间还够.

对于单角色训练的抗遗忘, 我建议避雷ms-agent-multirole和chat_haruki这种玩意. 质量太差了.

执手与莫

加油，大佬

Edge

#374 Vega rtx6000就一大号rtx泰坦, 卖这价钱就是在搞笑

少看那些硬件测评, 多数都是带货的. 真要采购必须自己看参数和需求才行.

另外, 如果你看的是rtx6000 ada的测评, 这俩差了两代和一个档, 后者差不多5万左右. 也就是大号4090ti水平.

Edge

从后端总线排除了一个关键问题. 至少现在有一份能正常用的节点了.

我希望b3明天就能开始, 运气好的话.

Edge

模型基本还好, 但DAA仍然需要往后排. 我后面会继续抽时间找训练的最佳方案.

海绵

#377 Edge 加油！！！

Edge

不知道发哪, 那就发这了.

跟铸灾神械的合影. 不过以后就不拍了, 发福太多. 真可惜.

我下辈子要天天穿.

顺便祝你们国庆快乐吧唉.

myboy

大佬，现在可以用了嘛

Edge

#380 myboy 看置顶进度贴的标题写着开始于就是可以用

myboy

#381 Edge 好的，感谢大佬

myboy

#381 Edge

大佬这种情况怎么办呀，一直显示验证失败

Edge

#383 myboy 检查账号密码

还有问题去反馈贴问