Cybernetic Dreams

该模型极具实验性，但仍然是我最喜爱的模型之一。准备好提高CFG、步数和噪声生成器，因为此模型在使用Karras 2M/3M SDE采样时，简直把噪声当午餐吃掉了。即使来自劣质LoRA的异常和 glitch，只要能遵循你的提示，也往往能演化为有趣的结果。

对于v1.1，我大胆地将以下模型以80%的丢弃率合并到v1.0中：3D动画扩散、生化启示录、漫画混合、Fazz、RadioIllustrated、闹鬼混合、DarkClip、墨 Punk 扩散，以及DPO。但关键在于，我受到CALM关于Q对齐驱动模型互操作性的观点启发，因此我将所有Q值按基础模型（我的初始实验使用fp32 SD 1.5剪枝版）的对应层归一化进行缩放，然后将K值按其倒数缩放以平衡方程。我认为这使结果清晰了许多；但这仍只是一个理论。

对于v1.0，我合并了两个模型：

我的噩梦模型——基础SD1.5，以及从我的收藏中精选出的57个最佳且风格多样的模型。从这池中，我进行了4000次采样合并：每次随机从池中选取一个模型与基础模型合并，每次以90%的合并比例，使用DARE-TIES采样5%的参数。该模型极具创造力且超稳定，但输出结果有些浑浊（因为输出块主要决定视觉风格，而不同模型类别之间的差异最大）。

我的赛博模型——一个早期手工制作（且质量较差）的合并，旨在生成科幻二维图像。我更侧重于输出块，我认为其权重比例为[.8, .5, .2]。

一个自定义CLIP——基于基础v1.5，我使用DARE-TIES合并了四个具有不同领域知识和训练背景的模型的CLIP。此前我从未听说有人这样做，但它效果极佳；这本应如此，因为基础SD1.5是使用固定CLIP训练的。

最终成果，我实在不知该如何形容，只能说我自己都震惊了。请试用一下，我很想知道它的极限在哪里。一如既往，点赞或五星评价是表达欣赏并让我重新聚焦于某个模型的最佳方式；未来所有发布的图像都将用于我的模型的DPO优化。

免责声明：不包含儿童性虐待材料（CSAM）。本模型不旨在生成此类图像，也无法用于生成此类内容。