原贴链接

你好，各位本地LLM爱好者！

过去几周我一直在研究一种方法，为我的角色扮演和创意写作会话生成有趣的世界和场景，然后command_r_plus_08_2024出现了。

这个模型真的很突出。

它生成的叙事描述比包括Llama-3.1-405B和WizardLM-8x22B在内的任何其他模型都要长且详细，甚至超过了它自己的旧版本。

为了展示这个模型的能力，我生成了447个场景，并将结果数据集在HF和通过一个用户友好的Webapp上提供：

AlteredWorlds探索者Webapp

HF上的AlteredWorlds数据集查看器

Webapp更有趣，但请注意，🎲按钮几乎是上瘾的。

讨论总结

本次讨论主要围绕一个名为"AlteredWorlds"的模型及其Webapp，该模型用于生成世界和场景，特别适用于角色扮演和创意写作。讨论内容涵盖了模型的性能比较、参数设置、输出格式控制，以及如何通过特定工具和方法（如XTC采样器和DRuGs方法）来提升创造力。此外，还涉及了Webapp的可用性和预生成内容的讨论。

主要观点

  1. 👍 模型性能
    • 支持理由：AlteredWorlds模型在生成长且详细的叙事描述方面表现出色，优于其他模型如Llama-3.1-405B和WizardLM-8x22B。
    • 反对声音：暂无。
  2. 🔥 参数设置
    • 正方观点：评论者对模型的生成设置感兴趣，如温度、最小概率等参数，以控制输出格式。
    • 反方观点：暂无。
  3. 💡 创造力提升方法
    • 解释：讨论了通过XTC采样器和DRuGs方法来提升创造力，前者通过移除最可能的词汇选择，后者通过在AI层开始时注入噪声。

金句与有趣评论

  1. “😂 Hinged31：What world are we even living in?! This is great.”
    • 亮点：表达了对AlteredWorlds模型生成内容的惊喜和赞赏。
  2. “🤔 kryptkpr：I’m firmly in the "min_p is all you need" camp.”
    • 亮点：强调了最小概率参数在模型设置中的重要性。
  3. “👀 RedditDiedLongAgo：Just want to chime in that this prompt is fucking MAGIC.”
    • 亮点：形容模型的提示词生成效果非常神奇。

情感分析

讨论的总体情感倾向积极，用户对AlteredWorlds模型的表现表示赞赏，并对如何通过参数设置和创造力提升方法来优化模型输出表现出浓厚兴趣。主要分歧点在于不同方法的有效性和实际应用，如DRuGs方法尚未有人实际实施，其有效性未知。

趋势与预测

  • 新兴话题：XTC采样器和DRuGs方法可能成为后续讨论的热点，特别是它们在提升AI创造力方面的应用。
  • 潜在影响：这些方法的实际应用可能会对AI生成内容的质量和多样性产生显著影响，尤其是在角色扮演和创意写作领域。

详细内容：

标题：《AlteredWorlds：重新想象的历史》

在 Reddit 上，一篇关于“AlteredWorlds”的帖子引发了热烈讨论。原帖作者称过去几周一直在研究一种为角色扮演和创意写作生成有趣世界和场景的方法，而 command_r_plus_08_2024 模型的出现令人瞩目。该模型能生成比 Llama-3.1-405B 和 WizardLM-8x22B 等更详细的叙述描述，甚至超越了自身旧版本。作者还提供了相关的数据集和用户友好型 Webapp 链接：AlteredWorlds Explorer Webapp 、AlteredWorlds Dataset Viewer on HF，并强调 Webapp 更有趣，但提醒“🎲按钮有点上瘾”。此帖获得了众多关注，评论众多。

讨论的焦点主要集中在以下几个方面： 有人称赞道：“[Hinged31] 这太棒了！”。有人分享了参数设置，比如“[kryptkpr] 我喜欢这样设置：SAMPLER = {…}”。还有人提出疑问，如“[Hinged31] 我有个可能很蠢的问题。如果我看 Cohere 的文档，比如：https://docs.cohere.com/docs/structured-outputs-json”。有人指出不同供应商的高级功能 API 存在差异，“[kryptkpr] 没错，每个供应商对于大多数高级功能都有不同的 API”。有人介绍了新的 XTC 采样器，“[Sabin_Stargem] 你可能想看看新的 XTC 采样器，它通过去除最可能的词选择来提高创造力，允许使用不太常见的选项。”也有人讨论其可能存在的问题，“[kryptkpr] 我想知道它是否有我遇到的同样问题：如果你直接禁止首选，它会慢慢将模型推出其分布范围，所以随着上下文的深入，它会慢慢失去连贯性。”还有人提到其他相关方法，如“[Sabin_Stargem] 如果你在自己实现采样器，你可能也对 DRuGs 感兴趣。它在开始时向 AI 层注入噪声。显然，AI 能够克服这种噪声，但输出会略有扭曲。这可能会增加创造力，因为 AI 在任何给定主题上基本上都有不同的起始位置。它会到达目的地，但会走不同的路径到达那里。”

讨论中，大家对于新的模型和技术表现出了浓厚的兴趣，同时也在积极探讨其优势、问题以及可能的改进方向。不同的观点和经验分享丰富了讨论的内容，为进一步探索和应用这些技术提供了更多的思考。