这是一个创建于 393 天前的主题，其中的信息可能已经有所发展或是发生改变。
今天小米 13 换 小米 14
将微信数据迁移到新手机,看到微信需要迁移数据有 40 多 G
我就在想,这不是积累了我几年的聊天记录么?
如果拿来训练一个聊天 AI 的话.是不是挺有意思的
另一个自己?
怎么训练呢?有没有熟悉这块的老板给点思路.
将微信数据迁移到新手机,看到微信需要迁移数据有 40 多 G
我就在想,这不是积累了我几年的聊天记录么?
如果拿来训练一个聊天 AI 的话.是不是挺有意思的
另一个自己?
怎么训练呢?有没有熟悉这块的老板给点思路.
 |
1
zcf0508 2023-11-03 16:20:57 +08:00 via Android
|
 |
2
cloud2000 2023-11-03 16:42:20 +08:00  1
|
 |
3
yanyao233 2023-11-04 19:07:32 +08:00 via Android
几个月前刚训练过一个，安卓手机的话需要把微信数据库导出并解密 https://github.com/greycodee/wechat-backup
然后导出 contact 和 message 表，我先是对导出的表进行了清洗，把非目标群聊/联系人的聊天数据和大部分根本不需要的字段全部删除，删除不使用的聊天记录类型（比如图片啥）然后再清洗掉个人敏感信息 对于数据集生成，我的思路是 1.群聊: 先筛选出我发送的消息，然后向上追溯一分钟之内的其他人的消息作为一组对话（我这里没考虑引用回复），一天内的消息均作为上下文（但实际上我并不推荐使用群聊消息，现在并没有成本低且效果很好的方式来分割聊天，第三次训练时我去掉群聊的数据集，胡言乱语的情况好了很多） 2.联系人: 一问一答为一组对话，多条连续消息合并，一天内为上下文 最后总共有 8k 条聊天记录 我当时使用的 chatglm2 模型，lora 和 pt 都试了，lora 效果好太多，最终 15steps 的 loss 稳定在 1.0 左右 效果怎么说呢...确实金句频出，但记忆力明显下降，并且指令服从性几乎没有，也就仅仅能用来聊天了。 另外，我多次尝试让他认识到自己是谁，无论是通过数据集强化的方式，还是靠推理时增加 system prompt ，都无法达到效果... |
Select Language