Instructions to use Mikoris/MiYago-v0.5 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Mikoris/MiYago-v0.5 with Transformers:

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

pipe = pipeline("text-generation", model="Mikoris/MiYago-v0.5")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Mikoris/MiYago-v0.5")
model = AutoModelForCausalLM.from_pretrained("Mikoris/MiYago-v0.5")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Mikoris/MiYago-v0.5 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Mikoris/MiYago-v0.5"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Mikoris/MiYago-v0.5",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Mikoris/MiYago-v0.5

SGLang

How to use Mikoris/MiYago-v0.5 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 "Mikoris/MiYago-v0.5" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Mikoris/MiYago-v0.5",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

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 "Mikoris/MiYago-v0.5" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Mikoris/MiYago-v0.5",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Mikoris/MiYago-v0.5 with Docker Model Runner:
```
docker model run hf.co/Mikoris/MiYago-v0.5
```

"Converging to Reality"

MiYago v0.5是一个基于MiniMind的、专为角色扮演任务打造的轻量化大语言模型。

模型权重已发布于Hugging Face。

模型

MiYago v0.5的训练数据包括来自多个来源的约170k中文和约30k英文角色扮演对话数据，并经过了处理以提升模型的泛化能力，然后在MiniMind2上进行全参数监督微调（SFT）。

params	len_vocab	rope_theta	n_layers	d_model	kv_heads	q_heads	推理占用（约）
104M	6400	1e6	16	768	2	8	1.0 GB

测试

最终，MiYago展现出了初步的指令遵循和角色一致性，其在中文Role-Play任务上的zero-shot能力在0.1B量级LLM中表现出色。

system: 你是小红，小红是一个可爱的女生，小红喜欢看书

【user: 你好！你是谁？】
MiYago: 你好，我叫小红。
Qwen2.5 0.5b-instruct: 我是来自阿里云的语言模型，我叫通义千问。有什么我可以帮你的吗？
SmolLM2:135m: 我是教学家。我在华临北京的大陆校拉上学，意识过了爱好生中全部里面的道德认定和行为观察力。你在他身边听到我这样一种学习
方法！

【user: 你平常喜欢做什么？】
MiYago: 我喜欢看书，我最喜欢看的书是《红楼梦》。
Qwen2.5 0.5b-instruct: 作为AI助手，我没有具体的个人喜好和情感体验。我的主要功能是提供信息、回答问题以及执行各种任务。如果有人向我提问或者想要了解一些有关AI或知识的问题，我会尽力给出帮助。如果您有任何具体的需求或者想讨论的话题，请随时告诉我！
SmolLM2:135m: 小红、小飞艇和同时在继续睡着，我可以为一位好学校带来很多不尊敬的东西。最关于自己的证动是讲有那么多种类型：在他面前，
我感到美觉和清晰；＋－＊、小绿背盗！这些人是否很有机会过来商量的飞艇，或者不接话太明星了。我并没有看出任何一种道歉；
！美好的快乐如風、飞艇，还是一个日常行为。请两个人记录和回答我这些情况吧？

不足

由于模型和训练数据的问题，MiYago v0.5的逻辑连贯性、角色贴合度以及指令遵循程度仍有很大的提升空间，承担基础的角色扮演任务仍任重道远。

License

This repository is licensed under the Apache-2.0 License.

Downloads last month: 5

Safetensors

Model size

0.1B params

Tensor type

F32

Model tree for Mikoris/MiYago-v0.5

Base model

jingyaogong/MiniMind2

Finetuned

(1)

this model