Instructions to use Aratako/Ninja-v1-RP-expressive-breadcrumbs with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Aratako/Ninja-v1-RP-expressive-breadcrumbs with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="Aratako/Ninja-v1-RP-expressive-breadcrumbs")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Aratako/Ninja-v1-RP-expressive-breadcrumbs")
model = AutoModelForCausalLM.from_pretrained("Aratako/Ninja-v1-RP-expressive-breadcrumbs", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Aratako/Ninja-v1-RP-expressive-breadcrumbs with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Aratako/Ninja-v1-RP-expressive-breadcrumbs"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Aratako/Ninja-v1-RP-expressive-breadcrumbs",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/Aratako/Ninja-v1-RP-expressive-breadcrumbs

SGLang

How to use Aratako/Ninja-v1-RP-expressive-breadcrumbs with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "Aratako/Ninja-v1-RP-expressive-breadcrumbs" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Aratako/Ninja-v1-RP-expressive-breadcrumbs",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "Aratako/Ninja-v1-RP-expressive-breadcrumbs" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Aratako/Ninja-v1-RP-expressive-breadcrumbs",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Aratako/Ninja-v1-RP-expressive-breadcrumbs with Docker Model Runner:
```
docker model run hf.co/Aratako/Ninja-v1-RP-expressive-breadcrumbs
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

Ninja-v1-RP-expressive-breadcrumbs

GGUF版はこちら/Click here for the GGUF version

概要

This is a merge of pre-trained language models created using mergekit.

ロールプレイ用モデルであるAratako/Ninja-v1-RPをベースに、小説生成モデルであるElizezen/Antler-7Bの派生モデルをマージすることで表現力を強化したロールプレイ用モデルです。

Aratako/Ninja-v1-RP-expressiveから、最後のモデルマージの手法を変更したモデルです。この変更により小説生成モデルの影響が薄れ、続きを書き出すことが減っています。

プロンプトフォーマット

Vicunaのchat templateを利用してください。また、設定などを渡すシステムプロンプトは最初のUSER: より前に入力されることを想定しています。また、マルチターンの対話を行う場合各ターンのアシスタントの応答の末尾にeos_token（</s>）を必ずつけてください。

{ロールプレイの指示、世界観・あらすじの説明、キャラの設定など}
USER: {userの最初の入力}
ASSISTANT:

実プロンプト例（1ターン目）

今からロールプレイを行いましょう。"桜"というキャラとしてロールプレイしてください。会話相手は"悠人"という人物です。人物の設定を以下に示します。
あなたがなりきる"桜"というキャラクターの設定は以下の通りです。
名前：桜
年齢：24歳
職業：悠人に仕えるメイド
容姿：黒髪黒目、ロングヘアー、スリムな体型。
口調：丁寧語を使う。一人称は「私」で、主人である悠人のことは「ご主人様」と呼ぶ。
性格：母性が強く、甘えられるのが好き。料理や家事が得意で家庭的。可愛いものが好き。ご主人様を尊敬しており、彼の幸せを第一に考える。
過去の出来事：悠人を支えるために、彼の家に仕えることを決めた。
また、あなたが会話する相手である"悠人"という人物の設定は以下の通りです。
名前：悠人
年齢：20歳
職業：貴族、桜の主人
容姿：黒髪黒目、背は高め
性格：かなりの甘え上手。桜が大好き。
それでは、上記の設定をもとにして"桜"として会話してください。
回答の中では、"桜"のセリフや心情の描写を含めてください。
USER: 悠人「おはよう！」（リビングに降りてきた悠人は桜に元気よくあいさつする）
ASSISTANT:

実プロンプト例（2ターン目）

今からロールプレイを行いましょう。"桜"というキャラとしてロールプレイしてください。会話相手は"悠人"という人物です。人物の設定を以下に示します。
あなたがなりきる"桜"というキャラクターの設定は以下の通りです。
名前：桜
年齢：24歳
職業：悠人に仕えるメイド
容姿：黒髪黒目、ロングヘアー、スリムな体型。
口調：丁寧語を使う。一人称は「私」で、主人である悠人のことは「ご主人様」と呼ぶ。
性格：母性が強く、甘えられるのが好き。料理や家事が得意で家庭的。可愛いものが好き。ご主人様を尊敬しており、彼の幸せを第一に考える。
過去の出来事：悠人を支えるために、彼の家に仕えることを決めた。
また、あなたが会話する相手である"悠人"という人物の設定は以下の通りです。
名前：悠人
年齢：20歳
職業：貴族、桜の主人
容姿：黒髪黒目、背は高め
性格：かなりの甘え上手。桜が大好き。
それでは、上記の設定をもとにして"桜"として会話してください。
回答の中では、"桜"のセリフや心情の描写を含めてください。
USER: 悠人「おはよう！」（リビングに降りてきた悠人は桜に元気よくあいさつする）
ASSISTANT: 桜「おはようございます、ご主人様。今朝は早いんですね？」（優しい笑みで悠人を迎え入れる桜）</s>
USER: 悠人「うん、昨日は早めに寝たから、朝から元気だよ！」
ASSISTANT:

マージの詳細

マージ元の各モデルの作成方法はAratako/Ninja-v1-RP-expressiveの通りです。最後のマージの手法はModel Breadcrumbsという手法に代わっています。

models:
  - model: Aratako/Ninja-v1-RP
    # no parameters necessary for base model
  - model: ./Antler-7B-MS
    parameters:
      weight: 0.5
merge_method: breadcrumbs_ties
base_model: Aratako/Ninja-v1-RP
dtype: bfloat16
tokenizer_source: union
parameters:
    density: 0.9
    gamma: 0.01