【源码灰产】【alt源码】【hugo 源码】lima源码
1.废墟书馆安吉拉模型来啦！源码附详细微调思路和体验地址
废墟书馆安吉拉模型来啦！源码附详细微调思路和体验地址
项目介绍
本项目是源码书生·浦语大模型实战营的一个大作业，旨在使用大模型微调技术实现角色扮演。源码目前项目已迭代第一个版本，源码实现了利用《废墟图书馆》对话语料微调模型，源码源码灰产从而对角色“安吉拉”进行角色扮演，源码在对话风格上模仿的源码十分贴合人物。
更多示例见github仓库主页。源码已开源模型权重和Demo体验地址。源码项目基于书生·浦语全工具链进行开发，源码并在internstudio平台完成微调，源码具体可参考如下流程图，源码可以作为微调任意游戏角色的源码一个SOP。
角色语料搜集
游戏这种载体在搜集语料上有天然的源码alt源码优势。最开始搜集数据有想过对《废墟图书馆》进行解包，后面发现Wiki已经有大神把所有剧情对话都整理好了，简直感动。首先观察Wiki，可以发现每个对应一个剧情对话超链接，链接对应一个剧情场景。点进去并查看网页源码可以发现对话是包含在div中嵌套的span块里的文本，针对这些组织形式写出对应的爬虫语句即可（也可以交给GPT4）。其他游戏的Wiki应该也是相似的（例如原神、明日方舟等），因此可以总结出以下SOP：根据以上逻辑，代码如下（完整代码见github仓库）。由于以前做经济实证收集数据对Xpath比较熟所以使用该方法，也可以换成bs4或是hugo 源码其他解析库。
数据格式统一
这块就怎么方便怎么来，只要体现是“什么角色说了什么话”，因此存为表格型数据是比较理想的，也方便加入更多字段（例如命运石之门这种时间跳跃的作品，可能需要加入一个世界线字段）。对于小规模数据可以直接存CSV文件，如果数据量过大（比如上千了）可以考虑使用sqlite、MySQL这类数据库进行管理，最后只要方便存取即可。
构建数据集
在构建微调数据集这块，借鉴了凉宫春日计划[1]和一位国外教授实现自己数字分身的案例[2]，主要思路为寻找安吉拉两次对话之间的内容，拼接为一个大 Input。[3]但若是rsms源码安吉拉第一次出现，则将前面 n 条语料拼接（n过大会被去除，避免超出token数）。例如：拼接为：优点：缺点：对于如何切分多轮对话：需要寻找话题的断开点，可以使用gpt（但个人感觉难度很大）或者人工筛选。但就目前来说，单轮模式已经可以很好的学到人物的说话风格。数据量需要多少：根据LIMA: Less Is More for Alignment[4]中的结论，高质量的条左右的数据就能达到不错的效果，本项目目前使用条对话数据进行微调。
算力平台与环境配置
一般云服务器是带有torch、transformers等库的，其他环境配置可以参考xtuner[5]仓库给出的教程。
模型选型
现在大模型层出不穷，对于如何选择用于微调角色扮演的峰会源码模型，个人认为有两种思路（假设已经根据算力资源选择了对应的参数量）：
大模型中文榜单
可以根据文本生成相关的参数，在HuggingFace LLM Leaderboard[6]这类评测结果榜单上搜索模型。当然这里推荐一个国内的模型评测网站OpenCompass[7]，可以直观看出各种模型的评测结果。
业界口碑
当然有时也不能迷信榜单，因为不排除模型可能针对榜单进行过优化。这时候就可以搜索对应模型，查看相关从业者在业务上对各种模型的评价，并且越火的模型对应的教程也越多，有效避免踩坑！
模型下载
2. 对于国外服务器，HuggingFace是最佳选择，感受风一般的下载速度吧！
模型微调
如何微调模型以及微调一个多大的模型取决于持有的算力资源。1.8B模型可以全量微调，7B模型往上可以使用QLoRA。这块微调可以使用xtuner，主要思路如下：
模型部署与量化
先总结一下，到目前为止，我们已经有了微调后的模型，该模型已经相当于从HuggingFace上直接下载好的模型了，随后就可以使用HuggingFace的AutoModel系列读取并进行chat。当然这里也可以使用LMDeploy的模型部署服务，其支持开箱即用的命令行对话、Gradio Demo展示和Api服务，思路主要如下：其会在同路径下生成一个workspace 文件夹，随后就可以直接进行对话了。命令行对话：lmdeploy chat turbomind ./workspaceGradio Demo:lmdeploy serve gradio ./workspace API服务：
关于模型量化，之前尝试对7B模型进行int4量化，效果非常不理想，基本是在胡言乱语。或许是对更大参数量如B模型进行量化，效果才会更好。
关于部署和量化，具体可以见我之前写的笔记：
模型评测
角色扮演的要求自然是要贴合角色表现，不能ooc，下面给出几种参考的评测自己微调后的模型表现方法：
人工评测：拿给熟悉该人物或作品的人试试，聊几轮就知道像不像（最直接的方法）
大模型评测：例如在RoleLLM: Benchmarking, Eliciting, and Enhancing Role-Playing Abilities of Large Language Models[]这篇论文中，作者使用了GPT模型来评测不同模型的表现，参考prompt如下
论文指标评测：目前也有一些研究角色扮演的论文，里面的实验阶段会提出一些参考评测指标。例如在论文CharacterGLM: Customizing Chinese Conversational AI Characters with Large Language Models []中，就提出了以下指标
不足之处
1. 客观事实不清晰：由于只使用了对话记录进行微调，模型欠缺对整体世界观、人际关系网的把握（L公司即脑叶公司，是安吉拉以前工作的地方）
2. 模型幻觉依然存在，虽然大部分时候不会出现严重幻觉，但模型对实体的认知还是有一定问题
3. 多轮对话能力不足：主要源于构建数据集时仅考虑了单轮对话，没有加入一定的多轮对话数据，理想的话应该是1:1左右的比例？
项目前瞻
1. 加入RAG：针对缺乏客观事实，可以考虑将Wiki内容和设定集内容作为知识库，在每次对话时进行一次检索，保证模型不会出现一问三不知的情况。
2. 加入配音：《废墟图书馆》原作中每个角色是有配音的（韩语），其中安吉拉的配音为李多恩[]老师（配过崩铁的佩拉），可以考虑使用其游戏语音训练一个text2video模型，增加角色扮演的沉浸感
3. 变为跑团，多角色聊天：针对安吉拉的角色扮演SOP也同样适用其他模型，后续可以考虑做成一个pipeline把其他角色也微调好，最后做成一个聊天室的架构。当前考虑聊天室结构如下，若采用RAG+system_prompt的zero-shot角色扮演，则可以只用一个大模型，则可使用一个统一的类管理所有的对话记录，每次集成之前的n个角色对话作为prompt，并将对应的system_prompt和history发给第n+1个人物。
但针对需要微调的模型，只能对每个角色加载对应的模型，这样n个角色（不包括自己）的聊天室需要消耗加载n个模型的显存。考虑算力约束，或许得用1.8B模型代替7B模型。
最后
很高兴书生·浦语团队丰富的教学文档和友善的团队，让大家能够实现各种各样的角色扮演计划。作为从年一直看Project Moon成长到现在的月计人，看到模型效果时实在是有一种由衷的感动。如果你喜欢本项目可以来Github点一个star哦，当然目前国内也有不少优秀的角色扮演项目，例如“凉宫春日计划”就做的相当厉害。本篇也是开学伊始对寒假末尾做的一些事情的总结，也希望在新学期也能坚持下去吧。