基于《甄嬛传》剧本甄嬛台词 打造一个模仿甄嬛语气、风格的专属聊天模型—— Chat-嬛嬛

2023年起，以ChatGPT为开端的AI原生应用开始走进生产场景，无论是日常对话、创作生成、还是解答专业问题，似乎“无所不知、无所不能”。

其底层是相关企业所训练出来的通用大模型，使用过这类工具的同学都能感觉到，现有的通用模型在一些专业化或个性化的任务上，往往并不够 专业、精准 ，比如： 角色扮演 和 模拟特定人物的语气与行为 。

对于需要特定语言风格、情感表达和人物设定的任务，标准大模型往往难以做到精准模仿。 在这种情况下， 定制专属大模型 的技术被广泛关注，我们期待通过投喂特定语料，改造大模型，让模型在某些专业领域或特定任务中表现得更为出色。

这次，我们将 基于《甄嬛传》剧本中的甄嬛台词 ，通过五个简单的步骤，不写一行代码，打造一个模仿甄嬛语气、风格的专属聊天模型—— Chat-嬛嬛 。

关键一 数据集

微调的数据集是定制大模型的关键

真正复杂的工作都是在 清洗数据、处理、生成数据、归类数据 上，这些才是影响最后效果的最大难点问题。

我们常见的微调数据集需要符合 Alpaca格式 ，以我们使用的嬛嬛数据集为例，其样本如下：

{
    "instruction": "小姐，别的秀女都在求中选，唯有咱们小姐想被撂牌子，菩萨一定记得真真儿的——",
    "input": "",
    "output": "嘘——都说许愿说破是不灵的。"
}

字段说明 ：

• instruction：任务的指令，模型需要完成的具体操作，一般可以对应到用户输入的 Prompt 。

• input：任务所需的输入内容。若任务是开放式的，或者不需要明确输入，可以为空字符串。

• output：在给定指令和输入的情况下，模型需要生成的期望输出，也就是对应的正确结果或参考答案。

特点与应用 ：结构简单清晰，易于理解和处理。它明确地将任务指令和输入内容分离开来，能够很好地适用于各种自然语言处理任务，像文本生成、翻译、总结等任务，尤其适合单轮的、以任务为导向的指令微调任务.