Lzlv Limarpv3 L2 70b

🚀 lzlv-limarpv3-l2-70b

這是一個基於 Llama 2 的模型，由 lizpreciatior/lzlv_70b_fp16_hf 和一個使用 LimaRP 數據集訓練的 PEFT 適配器（https://huggingface.co/Doctor-Shotgun/limarpv3-llama2-70b-qlora）以 0.5 的權重合並而成。

🚀 快速開始

✨ 主要特性

• 基於 Llama 2 架構，融合了特定模型和 PEFT 適配器。
• 支持 LimaRP v3 的 Alpaca 指令格式，可進行角色扮演對話。
• 能夠通過長度修飾符控制回覆消息的長度。

📦 安裝指南

文檔未提供安裝步驟，此部分跳過。

💻 使用示例

基礎用法

預期的提示格式是 LimaRP v3 的 Alpaca 指令格式：

### Instruction:
Character's Persona: {bot character description}

User's Persona: {user character description}

Scenario: {what happens in the story}

Play the role of Character. You must engage in a roleplaying chat with User below this line. Do not write dialogues and narration for User.

### Input:
User: {utterance}

### Response:
Character: {utterance}

### Input
User: {utterance}

### Response:
Character: {utterance}

(etc.)

高級用法

由於包含了 LimaRP v3，可以在回覆指令序列中附加長度修飾符，如下所示：

### Input
User: {utterance}

### Response: (length = medium)
Character: {utterance}

這對機器人的回覆有明顯的影響。可用的長度選項有：micro, tiny, short, medium, long, massive, huge, enormous, humongous, unlimited。推薦的起始長度是 medium。請記住，AI 可能會在非常長的消息中出現漫談或模仿用戶的情況。

📚 詳細文檔

偏差、風險和侷限性

除了基礎模型所表現出的偏差外，該模型還會表現出與互聯網上小眾角色扮演論壇中類似的偏差。它不用於以任何形式提供事實信息或建議。

訓練詳情

該模型是一個合併模型。有關詳細信息，請參考合併模型的鏈接倉庫。

📄 許可證

文檔未提供許可證信息，此部分跳過。