Update README.md
Browse files
README.md
CHANGED
|
@@ -22,7 +22,7 @@ license: apache-2.0
|
|
| 22 |
- **Demo APK**: [点击下载](http://app.visionsic.com/download/projectchat.apk)
|
| 23 |
- **简单的前端**：[Github链接](https://github.com/Value99/Tifa-Deepsex-OllamaWebUI)
|
| 24 |
|
| 25 |
-
本模型基于Qwen2.5 7b进行深度优化，具有100万字上下文能力，借助Tifa_220B生成的数据集与创新型的MGRPO
|
| 26 |
|
| 27 |
## MGRPO与层传播：
|
| 28 |
- **算法改变**：原始GRPO仅通过ORM策略进行偏好学习，但无法评判文学内容生成质量，本次训练使用**上海交通大学**博士**魏XX**、**洪XX**的启发，使用逻辑学算法，解决文学ORM策略设计难点，并且二次返回修改提示词进行错误总结。每次调整均经历2次完整传播过程，为GRPO+GRPO，所以暂时命名为MGRPO。
|
|
|
|
| 22 |
- **Demo APK**: [点击下载](http://app.visionsic.com/download/projectchat.apk)
|
| 23 |
- **简单的前端**：[Github链接](https://github.com/Value99/Tifa-Deepsex-OllamaWebUI)
|
| 24 |
|
| 25 |
+
本模型基于Qwen2.5 7b进行深度优化，具有100万字上下文能力，借助Tifa_220B生成的数据集与创新型的MGRPO算法，提供卓越的角色扮演体验。**本模型未特殊优化违规内容生成，仅在减少拒绝上努力。**
|
| 26 |
|
| 27 |
## MGRPO与层传播：
|
| 28 |
- **算法改变**：原始GRPO仅通过ORM策略进行偏好学习，但无法评判文学内容生成质量，本次训练使用**上海交通大学**博士**魏XX**、**洪XX**的启发，使用逻辑学算法，解决文学ORM策略设计难点，并且二次返回修改提示词进行错误总结。每次调整均经历2次完整传播过程，为GRPO+GRPO，所以暂时命名为MGRPO。
|