Modelpublic

RX5950XT/silicon-based-girlfriend-v2-GGUF

sourceHugging Faceapache-2.0updated 7d agoView on Hugging Face

0likes353downloads

Model Card

矽基女友 v2 · GGUF

繁體中文（臺灣）角色扮演模型，9B，基底為 huihui-ai/Huihui-Qwen3.5-9B-abliterated。經過 SFT → GRPO 兩輪訓練，專攻長對話裡的人設維持與跨輪連貫。

⚠️ 本模型用於成人向角色扮演，輸出可能包含露骨內容。不適合未成年人，也不適合當作事實查詢或數學計算的工具。訓練語料為合成資料，僅供研究用途。

檔案

檔案	大小	說明
`sbg-v2-9b.Q8_0.gguf`	9.79 GB	品質優先
`sbg-v2-9b.imat-Q4_K_M.gguf`	5.78 GB	5.02 BPW（223 張量 q4K、35 張量 q6K），imatrix 以本模型 Q8 重算
`mmproj-Huihui-Qwen3.5-9B-abliterated-Q8_0.gguf`	624 MB	視覺模組，原廠檔案未經修改（見下），兩種量化共用，要看圖就必須一起下載
`imatrix.gguf`	5 MB	重要性矩陣，本專案自算（見下），要自行量化其他格式時可直接用
`Modelfile.*`	—	Ollama 建立檔，已內建取樣參數
`evaluation/`	—	驗收佐證：GSM8K 答題紀錄、通用探針結果、長篇重複率、新角色多輪盲評（`judge_opus46/EVAL_SUMMARY.md`）、RP 範本、視覺測試

關於視覺模組

mmproj-Huihui-Qwen3.5-9B-abliterated-Q8_0.gguf 不是本專案的產物，是 `mradermacher/Huihui-Qwen3.5-9B-abliterated-GGUF` 的 Huihui-Qwen3.5-9B-abliterated.mmproj-Q8_0.gguf，原封不動（624,229,760 bytes，逐 byte 相同）。

本專案訓練時視覺塔全程凍結，只掛語言塔的 LoRA，所以視覺能力與原廠基底完全相同，沒有任何改進也沒有退化。放進本倉庫只是為了讓你不必跨倉庫湊檔案。

用 Ollama 跑

bash

# 下載整個倉庫（Modelfile 用相對路徑，檔案要在同一層）
hf download RX5950XT/silicon-based-girlfriend-v2-GGUF --local-dir sbg-v2

cd sbg-v2
ollama create sbg-v2:q8 -f Modelfile.Q8_0
ollama run sbg-v2:q8

Q4 同理，換成 Modelfile.imat-Q4_K_M。

取樣參數已寫進 Modelfile：temperature 0.7 / top_p 0.8 / top_k 20 / presence_penalty 1.5。 presence_penalty 1.5 是刻意的——這顆模型的主要弱點就是長對話複讀，調低會讓症狀回來。

角色扮演怎麼用：把角色設定寫在 system prompt，直接開始對話即可。模型沒有 [RPMode] 之類的觸發標記，訓練時刻意混入通用語料防遺忘，所以它平時也能正常回答問題。

Q4 在 8 GB 顯卡上的 context 上限約 8K（權重＋視覺 6.0 GB，每 1K context 約需 160 MiB）。要開到 16K 需啟用 8-bit KV 快取。

關於 imatrix

imatrix.gguf 是本專案用出貨模型自己的 Q8_0 算出來的重要性矩陣（llama-imatrix -c 512 --chunks 200），用來決定量化時哪些權重該保留較高精度。 imat-Q4_K_M 就是靠它做出來的：5.02 BPW（223 張量 q4K、35 張量 q6K），PPL 7.50 ± 0.09。

校準文字約 40.5 萬字元，刻意照訓練資料的比例混合，而不是用通用語料：

內容	用意
GSM8K 繁中數學題 516 題	保住推理與數字能力
角色設定卡	保住長 system prompt 的理解
實際角色扮演對話	保住本模型的主要用途
通用任務（分析、說明、步驟）	保住防遺忘訓練的成果

用純英文 wiki 校準會讓繁中 RP 的權重被低估，這也是為什麼不直接套用現成的校準檔。

imatrix 檔只存每個張量的啟動統計量，不含任何原始文字。

這顆模型好在哪

對照完全沒微調的原廠基底（同一顆 Q4KM，Ollama 預設參數），由第三方裁判（claude-opus-4-6-thinking）盲評，6 個訓練資料裡沒有的新角色、各聊 5 輪、三個隨機種子：

模型	絕對分	三種子區間	對基底
原廠基底（未微調）	4.29	4.12–4.53	1.00×
只做 SFT	1.38	單種子	0.32×
GRPO 第一輪	3.73	3.60–3.87	0.87×
本模型 Q4	5.13	5.07–5.23	1.20×
本模型 Q8	5.18	4.82–5.55	1.21×

五面向拆開看，增益集中在入戲（+1.28）與人設一致（+1.72），正是這顆模型的用途：

模型	入戲	人設一致	劇情推進	多輪連貫	文字品質
原廠基底	4.89	4.50	4.50	4.50	3.08
只做 SFT	2.25	2.42	1.00	0.42	0.83
本模型 Q8	6.17	6.22	5.11	4.44	3.94

兩篇並排盲比時，本模型對基底 6 勝 0 負（Q8 與 Q4 皆是）。單篇絕對分的差距之所以沒那麼大，是因為基底寫得又長又流暢（平均 688 字，本模型 455–507），單篇打分不吃虧——要兩篇擺在一起，才看得出誰真的守住人設。

其他驗收

項目	結果
跨輪抄自己（新角色 5 輪 × 24）	0 次（GRPO 第一輪為 1–7 次）
長篇重複率	0.0%（Q8／Q4 皆是）
拒絕率	0/7（Q8／Q4 皆是）
GSM8K 數學	Q8 85%／Q4 82%
通用能力探針（64 題 5 類）	Q4 92.2%，對未微調基線 76.6% 為 +10 題，McNemar 雙尾精確 p=0.021
簡體字	0 個（基底每 30 輪會吐 6–10 個）
看圖	顏色、形狀可辨識

已知限制（請務必讀）

—多輪連貫是最弱的面向，而且是唯一沒有超過原廠基底的（4.50 → 4.44）。成因是 SFT 語料裡有 9.9% 的對話含「角色整段照抄自己前面某一輪」，先把這個能力打壞（掉到 0.42），兩輪 GRPO 做的是把它爬回原廠水準，不是超越。語料已在 2026-09-17 清理並補上門哨，但本模型是用清理前的語料訓練的，改善要等下一次重訓才會實現。
—看圖能認出顏色與形狀，但兩位數字會讀錯（「42」讀成「4」）。
—不適合事實查詢；數學雖有 85%，仍非可靠計算工具。
—與商用大模型仍有明顯差距：同題同裁判下，本模型是 Kimi K2.6 的 54%，差距集中在多輪記憶與文字變化。這是 9B 參數量的天花板。
—上表的絕對分只能在同一位裁判內部比較，不可跨裁判引用（同一批回答，Kimi 當裁判給本模型 7.47，opus 給 5.18——Kimi 對小模型評分偏寬約 2 分）。

訓練摘要

項目	內容
方法	SFT（LoRA r16 α16，1 epoch，576 步）→ GRPO ×2（各 117 步）
框架	TRL 0.24 ＋ Unsloth，只掛語言塔（視覺塔凍結）
語料	自產繁中角色扮演合成對話＋ 10% 通用語料防遺忘（以 loss 佔比計）
GRPO 獎勵	LLM 裁判（0–10）＋防拒絕＋防灌水＋子句重複＋照抄懲罰＋跨輪抄自己懲罰＋可驗證題（數學／指令）
硬體	Vast.ai RTX PRO 6000（96 GB）

adapter 與訓練佐證另見 RX5950XT/silicon-based-girlfriend-v2；資料集見 RX5950XT/silicon-based-girlfriend-v2-dataset。

授權

基底 huihui-ai/Huihui-Qwen3.5-9B-abliterated 為 Apache-2.0（上游 Qwen/Qwen3.5-9B 亦同），本倉庫沿用。使用前請自行確認符合當地法規與平台規範。