Create README.md

README.md

@@ -0,0 +1,50 @@
+---
+base_model:
+  - deepseek-ai/deepseek-r1-14b
+language:
+  - zh
+  - en
+library_name: transformers
+tags:
+  - incremental-pretraining
+  - sft
+  - reinforcement-learning
+  - roleplay
+  - cot
+  - sex
+license: apache-2.0
+---
+# Tifa-Deepseek-14b-CoT
+
+- **HF Model**: [ValueFX9507/Tifa-Deepsex-14b-CoT](https://huggingface.co/ValueFX9507/Tifa-Deepsex-14b-CoT)
+- **GGUF**: [Q8](https://huggingface.co/ValueFX9507/Tifa-Deepsex-14b-CoT-GGUF-Q8) | [Q4](https://huggingface.co/ValueFX9507/Tifa-Deepsex-14b-CoT-GGUF-Q4)（更多量化版本持续更新中）
+- **Demo APK**: [点击下载](http://app.visionsic.com/download/projectchat.apk) 
+
+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