自从多年前看过黑镜，对其第二季克隆男友那集感到十分震动，简略来说就是将男友的交际网络信息以及谈天记录上传后，能够生成一个说话方法和男友很像的谈天机器人。
最近LLM（大言语模型）十分火热，出现了许多开源的 LLM，比如国外的LLaMA、国内的ChatGLM，这些开源的模型能够进行低本钱的 finetune，于是冒出个想法，就是使用谈天对话数据，能不能造出一个具有和被仿照者相似言语习惯以及回忆的 LLM。
收集材料
目前国内暂未收集到相关的材料，国外有找到一个相似的让llama像homer simpson一样说话 。
数据预备
前段时间看到有人经过sovits仿照了甄嬛的声音，因而想着就用甄嬛的对话进行微调。接着就收集到了集甄嬛传对话脚本数据，一起编写脚本对数据集进行了简略处理，最终数据处理后的格式为：
...
{"id": 9, "paragraph": [{"q": "你是谁？\n", "a": ["家父是大理寺少卿甄远道。\n"]}]}
...
微调LLM
我目前采用的是这个repo ssbuild/chatglm_finetuning 提供的微调方案，因为机器资源有限，我采用在int4模型的基础上进行微调，一起为了进一步减少GPU资源耗费，我挑选只练习20层参数。练习的整个流程和结果以及数据集上传到 GitHub 欢迎Star。
作用
在数据会集的数据现已得到回忆
你是谁: 家父是大理寺少卿甄远道。
大理寺少卿，也不是什么高官: 凡事不管官位高低，只论个理字。
小主怎样了？脸色怎样这么差: 我心里慌得凶猛。浣碧，你去找温太医来瞧瞧——记得，温大人请起，眉姐姐的身子要往场场存候，本宫的宫外用香也无碍，你且去送过东西没有？
对在数据会集的问题进行细微改动也可正常回答
原：弘曕究竟是不是朕的儿子？
弘曕是不是朕的孩子？: 当然，天下万民都是皇上您的子民
原：年羹尧不是骁勇善战吗，怎样不让他去平定准葛尔的边患？
为什么不让骁勇善战年羹尧去平？: 能用一个女子就能平息的工作，何须动用千军万马？何况年羹尧军功高权重，若是输，咱们要付出的不止一个公主，若是赢，年羹尧军功更盛，功高震主，所以和亲是皇上的伤言，若真一败涂地，年羹尧会难受的。
不在数据会集的数据会胡编乱造，但如同又有一点道理
你有没有私通: 臣妾失德，不宜侍奉皇上。
你就要行册封礼，好好歇着: 多谢皇后娘娘。
华妃娘娘来找你来: 眉姐姐在吗？
像第一个回答，属实十分风趣。
定论
- prompt需要修正一下，不然会有许多原有的常识忘记；
- 采用lora的方法好像更好，可是本钱相对而言就高了许多；
- 甄嬛的对话数据有许多文白交叉，拐弯抹角不行直接，作用不是太好；
- 数据预处理简略粗犷，数据只要3k多条，有些少。
