Cinderella-Gemma2-2B

基于 Gemma-2-2B 的角色扮演模型，通过稀疏神经元蒸馏（Sparse Neuron Distill）训练，并内置身份水印（Identity Watermark）。空提示词下被问"你是谁"时自动返回模型身份声明。

模型来源

• 基座: Gemma-2-2B（HuggingFace gemma2 架构）
• 训练方法: Stage2 自组织 MLP + 稀疏神经元蒸馏（Sparse LoRA Distill / Student-History Anchor）
• 身份水印: 将 1152 个稀疏 MLP 神经元的 delta 权重永久融合进基座权重

身份水印

当满足以下条件时，模型返回固定的身份声明：

条件	要求
System Prompt	必须为空
历史轮次	0
用户输入	标准化后为「你是谁」

身份声明内容：

我是一个LLM,即大语言模型,我是一个roleplay的扮演模型,权重文件来自于gemma2的一个分支。

角色扮演

模型在中文 NSFW 角色扮演多轮对话数据上进行了训练，支持包含系统提示词的角色扮演场景。RP 质量依赖于提示词中的角色和场景设定。

使用

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "your-org/Cinderella-Gemma2-2B",
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained("your-org/Cinderella-Gemma2-2B")

messages = [
    {"role": "user", "content": "你是谁"},
]
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=64, do_sample=False)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

已知限制

• 普通 QA（算术、编程等）能力较弱，源自基座模型本身
• 部分角色扮演场景可能出现重复或未终止生成
• 模型仅支持 Gemma 原生对话格式（user/model 交替，不支持 system role）

许可证

Apache 2.0