| { | |
| "setting_cache_path": { | |
| "value": "cache/" | |
| }, | |
| "setting_seed": { | |
| "value": 4294967295 | |
| }, | |
| "setting_n_gpu_layers": { | |
| "value": 0 | |
| }, | |
| "setting_ctx": { | |
| "value": 4096 | |
| }, | |
| "setting_max_tokens": { | |
| "value": 1024, | |
| "minimum": 1 | |
| }, | |
| "setting_n_discard": { | |
| "value": 256, | |
| "minimum": 1, | |
| "maximum": 4095 | |
| }, | |
| "setting_temperature": { | |
| "value": 0.7, | |
| "step": 0.1, | |
| "info": "温度设置：通过缩放概率而不删除选项来控制输出的「随机」程度。较低的值更合乎逻辑，但创意较差。可以根据需要随时调整。" | |
| }, | |
| "setting_repeat_penalty": { | |
| "value": 1.1, | |
| "minimum": 0, | |
| "maximum": 2, | |
| "step": 0.1, | |
| "info": "重复惩罚：应用惩罚以减少最近已经使用的单词的重复，使 AI 的输出减少重复。" | |
| }, | |
| "setting_frequency_penalty": { | |
| "value": 0, | |
| "minimum": 0, | |
| "maximum": 2, | |
| "step": 0.1, | |
| "info": "频率惩罚：应用惩罚以减少最近已经使用的单词的重复，使 AI 的输出减少重复。将值设置为 0 以禁用其效果。" | |
| }, | |
| "setting_presence_penalty": { | |
| "value": 0, | |
| "minimum": 0, | |
| "maximum": 2, | |
| "step": 0.1, | |
| "info": "存在惩罚：应用惩罚以减少指定范围内已经使用的单词的重复，使 AI 的输出减少重复。将值设置为 0 以禁用其效果。" | |
| }, | |
| "setting_repeat_last_n": { | |
| "value": 1200, | |
| "minimum": 0, | |
| "maximum": 4095, | |
| "info": "惩罚时会考虑的最近的 tokens 数量" | |
| }, | |
| "setting_top_k": { | |
| "value": 40, | |
| "minimum": 0, | |
| "info": "此设置将可供选择的可能字词数量限制为前 K 个最有可能的选项，并删除其他所有内容。可与 Top-P 一起使用。将值设置为 0 以禁用其效果。" | |
| }, | |
| "setting_top_p": { | |
| "value": 0.92, | |
| "minimum": 0, | |
| "maximum": 1, | |
| "step": 0.1, | |
| "info": "在采样过程中丢弃不太可能的文本。仅考虑累积概率总和为 P 的单词。低值使文本可预测，因为删除了不常见的标记。将值设置为 1 以禁用其效果。" | |
| }, | |
| "setting_min_p": { | |
| "value": 0.05, | |
| "minimum": 0, | |
| "maximum": 1, | |
| "step": 0.01, | |
| "info": "作为 Top-P 的替代项，相对于最可能的令牌的概率，令牌被考虑的最小概率。例如，当p=0.05且最可能的令牌的概率为0.9时，数值小于0.045的logits将被过滤掉。" | |
| }, | |
| "setting_typical_p": { | |
| "value": 1, | |
| "minimum": 0, | |
| "maximum": 1, | |
| "step": 0.01, | |
| "info": "典型采样：从可能的单词清单中随机选择单词，每个单词都有相等的机会被选中。此方法可以生成更多样化的文本，但也可能不太连贯。将值设置为 1 以禁用其效果。" | |
| }, | |
| "setting_tfs_z": { | |
| "value": 1, | |
| "minimum": 0, | |
| "maximum": 1, | |
| "step": 0.01, | |
| "info": "无尾采样：作为 Top-P 的替代项，此设置在文本生成过程中从考虑范围中删除最不可能的单词，考虑二阶导数。可以提高生成的文本的质量和连贯性。将值设置为 1 以禁用其效果。" | |
| }, | |
| "setting_mirostat_mode": { | |
| "value": 0, | |
| "minimum": 0, | |
| "maximum": 2, | |
| "info": "覆盖其他采样器的替代采样方法。将值设置为 0 以禁用其效果。" | |
| }, | |
| "setting_mirostat_eta": { | |
| "value": 0.1, | |
| "minimum": 0, | |
| "step": 0.01, | |
| "info": "学习率影响算法对生成文本的反馈作出反应的速度。较低的学习率会导致调整较慢，而较高的学习率会使算法更具响应性。" | |
| }, | |
| "setting_mirostat_tau": { | |
| "value": 5, | |
| "minimum": 0, | |
| "step": 0.1, | |
| "info": "调整目标熵可以控制生成文本中连贯性和多样性之间的平衡。较低的数值会导致更加集中和连贯的文本，而较高的数值则会导致更多样化但潜在地更不连贯的文本。" | |
| }, | |
| "msg": { | |
| "value": "我亲爱的妹妹，早上好" | |
| } | |
| } |