OCEAN-S2
набор LoRA для генерации и анализа портретов личности
2 мин чтенияобновлено
Набор из трёх адаптеров LoRA (небольших надстроек над базовой моделью) для google/gemma-4-31B-it, выпущенный в рамках научной статьи. Модели работают с психологическими профилями по модели Big Five (OCEAN): генерируют текстовое описание личности от второго лица, извлекают числовые оценки черт из текста и отвечают на опросники в роли описанного человека. Весь обучающий набор построен исключительно на 1 000 синтетических профилях без данных реальных людей. Релиз пригодится исследователям ИИ и психометрики для воспроизведения экспериментов и симуляции персонажей.
Ключевые особенности
- Три специализированных LoRA-адаптера (rank 16, alpha 32):
1_writer(пишет портрет),2_facet_reader(оценивает фасеты по тексту) и3_questionnaire_reader(проходит тесты от лица персонажа). - Адаптеры предназначены для последовательного слияния с базовой моделью через скрипт
merge.py, который суммирует их обновления весов. - Обучены на 1 000 синтетических профилях (500 BFI-2 и 500 IPIP-NEO-120), тексты для которых сгенерировали Kimi K3.1 Pro и GLM-5.3.
- В репозитории приложены готовые шаблоны промптов для генерации портретов и оценки историй жизни, а также контрольные суммы
SHA256SUMS.
Что можно сделать
- Генерировать детальные текстовые портреты персонажей на основе заданных числовых показателей черт личности (фасетов и доменов).
- Проводить обратный анализ: подавать текстовое описание человека или персонажа и получать структурированные оценки его черт.
- Запускать автоматическое прохождение психологических опросников от лица заданного профиля для ролевых симуляций или научных тестов.
Пример
python merge.py adapters/1_writer adapters/2_facet_reader adapters/3_questionnaire_readerПодробнее
Базовая модель: google/gemma-4-31B-it (BF16, ревизия 842da3794eaa0b77d5f08bae87a17459d91ff475).Железо: требуется GPU класса 80 ГБ VRAM (сама базовая модель в BF16 занимает около 58 ГиБ), инференс через vLLM.
Обучение: AdamW, lr 5e-5, эффективный батч 8; writer обучался 2 эпохи (1 973 примера), reader-адаптеры — по 1 эпохе (948 и 924 примера).
Ограничения: предназначено только для воспроизведения научных результатов, не для оценки реальных людей; лицензия Apache 2.0.










Комментарии