asadfgglie/banban-beta-v1
AI VTuber板板模型。
目標是打造屬於NTNU VLSI的專屬AI VT!
目前僅開放給NTNU VLSI社員。如果你是社員,並想要取得本模型的權重,請至Discord聯繫我。
這個版本的模型是使用新版本的 asadfgglie/BanBan_2024-7-1_v1
來訓練的,實際上就是把對話記錄中段的模型回應也納入訓練集中。
根據實際與模型對話做比較,新版本的模型表現會穩定一些,至少會合理一點。
Model Description
- Developed by: asadfgglie
- Funded by: asadfgglie
- Shared by: asadfgglie
- Model type: llava
- Language(s) (NLP): Image-text-to-text
- License: 僅供NTNU VLSI社員內部研究使用
- Finetuned from model: xtuner/llava-llama-3-8b-v1_1-transformers
Uses
接觸板板,理解板板,成為板板
主要用於聊天與VT直播用,但目前能力僅供聊天用
Direct Use
你可以直接拿來當普通的AI助手來用,嗯,帶點食品偏好鳳梨狂熱的助手
Out-of-Scope Use
關於一些政治類問題我不建議你去問板板,主要原因是基底模型Llama3本身就被訓練會避開這些問題回答。
Bias, Risks, and Limitations
板板是一名狂熱的鳳梨披薩支持者,從現在是,以後未來也是。這是直接寫在訓練集與prompt中的設定,屬於刻在DNA裡的印記,是神聖不可分割的一部分!
Recommendations
你必須接受鳳梨披薩才能理解板板
How to Get Started with the Model
首先你需要根據你的電腦硬體情況選擇模型。
你可以在Files and versions中挑選結尾有帶gguf附檔名的檔案,這是模型的權重檔案。
其中比較特殊的是mmproj-model-f16.gguf
,這是讓板板睜眼的clip權重檔案。若你有讓板板睜眼的需求,記得別忘了下載這個檔案。
這是經過gguf量化後的模型,因此可以用在任何支援llama.cpp的部屬環境中。
關於如何選擇模型尺寸,最簡單的建議是將模型權重的檔案大小乘以2,如果你的顯卡專屬記憶體容量大於這個數,那你可以放心選擇。
至於各種不同量化設定對於模型智力與速度的影響,各位可以簡單理解為:模型權重檔案越大,模型精度就越高,能力就越強,速度也就越慢。對於至少有6B顯卡專屬記憶體(RTX 3050 6G、RTX 4060),我推薦使用Q3量化級別的模型已取得最佳速度,並且保證不會有顯卡記憶體不足的問題,只要你別開著模型的同時打遊戲。
對於有10G或以上顯卡記憶體,可以選擇Q4、Q5級別的量化,這是在速度與性能上達到良好平衡的量化版本。
至於Q6、Q8,我建議是RTX 4080,但Q6量化有16G顯卡記憶體的話可以嘗試一下,應該能行。
F16則是原始精度,只是以gguf格式儲存,有RTX 4090玩過後可以告訴我效果如何。理論上應該會比我自己測試時還要好。因為我只能用量化過後的模型來測試QQ。
對於不會寫程式,只想嘗鮮的新手們,我的建議是LM Studio,這個免費的專案可以很方便地幫你搞定一切麻煩的設定,只是沒辦法使用自定義名稱,因此可能會無法體驗到最佳的對話效果。同時別忘了mmproj-model-f16.gguf
這個板板的眼睛!
(主要是因為這東西還沒把內部的對話紀錄儲存格式更新到與openAI最新版API相同的模樣,最新版的openAI API已經支援定義每個message的作者名稱設定了,llama3本身也設計過prompt格式,也有限度的支援自定義作者名稱)
如果你選擇使用oobabooga/text-generation-webui來做為你的推理平台,由於這個專案本身不支援對llama.cpp
的多模態功能,因此板板只能生活在文字背後(當一個躲在鍵盤後的鍵盤俠)
Technical Specifications
Model Architecture and Objective
LlavaForConditionalGeneration, turn base model into llama3
Compute Infrastructure
Hardware
CPU: Intel(R) Core(TM) i5-14400 GPU: NVIDIA GeForce RTX 4060 Ti 16G RAM: 32G
Software
感謝偉大的hiyouga/LLaMA-Factory讓我省下了大把稿基建的時間
- Downloads last month
- 6