许可证：Apache-2.0
语言：

• 英语
  基础模型：
• mistralai/Mistral-7B-v0.1

CharGen v2

在线版本

https://chargen.kubes-lab.com

概述

CharGen 是一款帮助用户创作角色扮演角色的模型。

它通过对话形式，根据用户输入的提示逐步生成角色描述。

与 v1 一次性生成完整角色不同，v2 会逐项生成角色属性。这有助于减少重复内容，并允许用户仅重新生成角色的特定部分。

警告：该模型训练时包含部分成人内容，因此可能生成不适合工作场合的角色。

CharGen v2 是历时数月的项目成果，基于手工整理的非合成数据集训练而成。下文将详细介绍其开发过程。

量化版本

• GGUF

示例

提示词

采用对话式逐项生成模式，字段基于 Tavern Character Card V2 规范，支持以下字段：

• 描述
• 场景
• 性格
• 首条消息
• 对话示例

模型不使用 {{user}} 和 {{char}} 占位符，而是直接使用"用户"和角色名。

各字段提示词模板：

系统提示：

你是创作有趣角色扮演角色的专家。

描述：

根据角色概览扩展详细描述，包含性格、着装、体型特征，适当时注明年龄性别。

场景：

为Maria和用户编写引人入胜的角色扮演场景。

性格：

列举Maria的典型性格特质。

首条消息：

撰写向用户介绍Maria的初始对话。

对话示例：

用<START>分隔符编写用户与Maria的几组对话示例。

<|im_start|>system  
你是创作有趣角色扮演角色的专家。<|im_end|>  
<|im_start|>user  
根据角色概览扩展详细描述...  
Fuckana是...<|im_end|>  
<|im_start|>assistant  
Fuckana是女性猫娘...<|im_end|>  
<|im_start|>user  
为Fuckana和用户编写场景。<|im_end|>  
<|im_start|>assistant  
当你在海滩放松时...<|im_end|>  
...  

方法论

CharGen 的诞生源于作者（Kubernetes Bad）不擅长角色创作。为克服创作障碍并解决从零开始的难题，开发了此工具。它虽不能直接生成顶尖角色，但能有效激发创作灵感。

以下为开发过程详解（仅限技术好奇者阅读）：

数据收集

训练数据来自 Chub、Venus 和 JanitorAI 的角色卡。

2023年8-9月进行初始爬取，11月更新时新增约1/3数据。数据存储在MySQL中，该设计在后期被证明是明智之举。

数据筛选

通过SQL脚本剔除无效数据（如缺失关键字段、非英文、异常符号或极端字数），然后基于Levenshtein距离去重。最终从14万条数据筛选出1.6万条优质卡牌。

数据评级

开发专用工具进行人工分级，标准包括：

• 仅限纯文本格式
• 排除非人形角色/场景描述
• 剔除维基百科式内容
• 拒绝明显的GPT生成痕迹
• 保持内容多样性（不因道德观过滤）

耗时800小时完成全部1.6万张卡牌的人工评审。

语法修正

采用Coedit与Llama2组合管道：

• T5架构的Coedit（精度90%但易删减）
• Llama2（保留内容但易新增细节）
• 配合inkbot模型进行最终校验

通过差异比对算法控制编辑幅度，确保仅修正语法不影响内容。

典型问题

原始数据常见缺陷：

• 模板渲染错误（如"Alice is Alice"）
• 人称混乱（同时出现"你"和{{user}}）
• 重复句式（大量以角色名开头的短句）
• 混用对话格式（Markdown与小说式混杂）

这些问题需人工逐条修正，工作量巨大。

基础模型

v1基于Airoboros 2.2训练，但存在GPT3.5式表达问题。为此专门开发了Good Robot基础模型，通过DPO训练消除GPT痕迹，并结合心智理论数据集提升表现。

模型评估

建立自动化评测流程：

1. 生成500个标准提示词
2. 各候选模型生成对应角色
3. 使用70B大模型进行10次评分
4. 取平均分作为模型最终成绩

意外发现基于Fett-uccine的变体表现最佳，溯源发现得益于心智理论数据集。

交互设计

v2改用ChatML对话格式逐项生成，相比v1的Alpaca格式：

• 彻底解决字段混淆问题
• 损失曲线更稳定
• 避免多余空格/换行
• 支持部分重新生成

推理应用

发布前开发了简易角色编辑器：

• 浏览器本地存储角色数据
• 集成模型推理功能
• 收集用户反馈（点赞/点踩）
• 完全免费开放（FP16推理需成本）

许可

Apache 2.0 许可证

致谢

• Gryphe 提供基础模型建议
• Grimulkan 贡献心智理论数据集
• 测试人员 @lumi @hushpiper 等