原贴链接

大家新年前夜快乐！🎉在2024年即将结束之际，我想分享我一直在做的特别的东西——一个名为mirau的角色扮演模型。就当这是我在2025年即将到来之际对人工智能社区的一点小贡献吧！它的不同之处在哪里呢？关键的创新是我称之为’故事流思维链’的东西——该模型维持两个并行的输出流：1. 内心独白（对角色不可见但对用户可见）；2. 实际的对话回应。这创造了一个连续的第一人称叙事，有助于在长时间对话中保持角色的一致性。主要特点： - 双角色系统：用户既可以作为给出元指令的’导演’，也可以作为故事中的一个角色； - 强大的角色一致性：连续的内心叙事有助于保持一致的个性特征； - 透明的决策过程：你可以在模型回应之前看到它的’想法’； - 扩展的语境记忆：通过叙事结构更好地处理长对话。示例交互：系统：我是豆豆，今天是我在新学校的第一天。坐在教室里，我忍不住四处张望……用户：（他的声音非常温柔）我患过小儿麻痹症。机器人：（小儿麻痹症？那是什么？我从未听说过）小儿麻痹症？（困惑地歪着头）括号内显示的是模型的内心想法，而常规文本是实际的回应。试用：你可以在[ModelScope Studio](https://www.modelscope.cn/studios/mouseEliauk/mirau-14b - demo/summary)自己试用这个模型。详细信息和文档可在[README](https://www.modelscope.cn/models/mouseEliauk/mirau - RP - 14b/file/view/master?fileName=README_en.md&status=1)中获取。我很想听听你们的想法和反馈！你们对这种人工智能角色扮演的方法有何看法？你们认为它与你们使用过的其他角色扮演模型相比如何？编辑：感谢大家的关注！我会尝试在评论中回答问题。再次祝所有人工智能爱好者新年快乐！回顾2024年，我们看到了人工智能角色扮演方面令人难以置信的进步，我很期待2025年我们的社区会有什么新发展！🎊附言：还有什么比在2024年的最后一天与同好讨论人工智能更好的方式呢？😊

讨论总结

原帖作者在新年前夕分享自己开发的名为mirau的角色扮演AI模型及其“故事流思维链”创新点，还有如双角色系统等关键特征。评论者们展开低热度讨论，涉及网络导致的模型上传问题、模型转换、训练方法、尝试意愿、对模型特点的好奇与认可等多方面内容。

主要观点

  1. 👍 由于网络问题无法上传整个28GB的模型
    • 支持理由：评论者EliaukMouse提及自身经历
    • 反对声音：无
  2. 🔥 有时间会尝试mirau模型
    • 正方观点：评论者Lewdiculous表达尝试意愿
    • 反方观点：无
  3. 💡 对mirau的训练方式感兴趣
    • 解释：评论者DonDonburi想了解模型如何训练
  4. 💡 关注mirau模型的训练基础
    • 解释：有评论者询问模型是基于何种基础模型训练
  5. 💡 认可模型是个优秀的想法
    • 解释：评论者对mirau模型表示赞赏并期待尝试

金句与有趣评论

  1. “😂 由于网络问题，我不能上传整个模型(28GB)。”
    • 亮点：直接指出遇到的网络与模型上传的问题
  2. “🤔 I’ll give it a go if I can slot time for it later.”
    • 亮点：表达了尝试模型的态度
  3. “👀 Would love to hear how you trained it!”
    • 亮点：体现对模型训练方式的好奇
  4. “😎 This is an excellent idea!”
    • 亮点：对模型的认可
  5. “🤓 非常酷的是看到更多专门为RP设计的精细思维过程。”
    • 亮点：对模型思维过程设计的肯定

情感分析

总体情感倾向是积极正面的，大部分评论者对模型表达了兴趣、认可或期待尝试的态度。主要分歧点较少，可能是因为这是一个相对小众的专业领域讨论，参与者大多抱着学习交流的态度，没有太多争议性话题。

趋势与预测

  • 新兴话题：模型与其他平台如SillyTavern的集成可能会引发后续讨论。
  • 潜在影响：如果该模型发展成熟，可能会对AI角色扮演领域产生推动作用，吸引更多开发者关注思维链在角色扮演中的应用。

详细内容：

《创新角色扮演 AI 模型 mirau 引发 Reddit 热议》

在新年前夕，有人分享了一个正在研发的角色扮演模型 mirau，引起了大家的关注。此帖收获了众多点赞和评论。

原帖主要介绍了 mirau 模型的关键创新点“Story Flow Thought Chain”，即维持两个并行的输出流：一个内部独白（对角色不可见但对用户可见）和实际的对话响应，这能在长对话中保持角色的一致性。同时还列举了其关键特性，如双角色系统、强角色一致性、透明决策制定和扩展上下文记忆等，并给出了示例交互。作者还提供了模型的试用链接以及相关文档的链接，希望能听到大家的想法和反馈。

讨论焦点主要集中在以下几个方面： 有人分享了个人经历和案例，如由于网络问题无法上传整个模型，但提供了获取和转换模型的方法和链接。 有人表示期待尝试使用，还有人想了解模型的训练方式，作者称仍在实验阶段，后续会分享训练数据和方法。 有人好奇该模型是基于什么训练的，作者回答是 instruct 模型。 有人称赞这是个很棒的想法，并探讨如何将其与其他应用整合，以及思考怎样展示思维过程。 有人好奇是否严格需要多轮对话，作者表示正在实验阶段尝试解决相关问题。

讨论中的共识在于大家对这个创新模型都表现出了浓厚的兴趣，认为它为 AI 角色扮演带来了新的可能性。特别有见地的观点如有人提出希望将模型的思维过程隐藏在某些应用中，还有人对多轮对话的必要性进行了思考。

这个模型究竟能在 AI 角色扮演领域带来多大的变革？它与其他角色扮演模型相比又有何独特优势？让我们拭目以待。