Tifa-Deepsex-14b-CoT-Chat-Q4_K_M-gguf

Tifa-Deepsex-14b-CoT-Chat-Q4_K_M-gguf

Tifa-Deepsex-14b-CoT-Chat-Q4_K_M-gguf

• HF Model: ValueFX9507/Tifa-Deepsex-14b-CoT
• GGUF: Q8 | Q4（更多量化版本持续更新中）
• Demo APK: 点击下载

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。

版本介绍：

• Tifa-Deepsex-14b-CoT

  • 验证模型，测试RL奖励算法对于角色扮演数据的影响，该版本为初版，输出灵活但是不受控制，仅做研究使用。

• Tifa-Deepsex-14b-CoT-Chat

  • 采用标准数据训练，使用成熟RL策略，附加防重复强化学习，适合正常使用，输出文本质量正常，少数情况下思维发散。

    -增量训练0.4T小说内容

    -100K由TifaMax生成的SFT数据，10K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

• Tifa-Deepsex-14b-CoT-Crazy

  • 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