Tifa-Deepsex-14b-CoT-Crazy-Q8

Hugging Face仓库 常规版本 F16 Q4量化

本模型基于Deepseek-R1-14B进行深度优化，借助Tifa_220B生成的数据集通过三重训练策略显著增强角色扮演、小说文本生成与思维链（CoT）能力。特别适合需要长程上下文关联的创作场景。

仅转存模型，暂无修改

• 大量使用RL策略，主要采用671B满血R1蒸馏的数据，输出发散性高，继承R1优点，也继承了R1的危害性。文学性能佳。

• 增量训练0.4T小说内容

• 40K由TifaMax生成的SFT数据，60K由DeepseekR1生成的SFT数据，2K高质量人工数据

• 30K由TifaMax生成的DPO强化学习数据，用于防止重复，增强上下文关联，提升政治安全性

• 10K由TifaMax生成PPO数据，10K由DeepseekR1生成PPO数据