GLM-4项目中的Tokenizer参数兼容性问题分析与解决方案
2025-06-03 20:41:10作者:俞予舒Fleming
问题背景
在使用GLM-4项目进行对话系统开发时,部分开发者遇到了Tokenizer参数兼容性问题。具体表现为在运行trans_cli_demo.py脚本时,系统抛出TypeError异常,提示_pad()函数接收到了未预期的关键字参数'padding_side'。
问题现象
当用户在干净环境中安装项目依赖并运行trans_cli_demo.py脚本时,系统会报错:
TypeError: _pad() got an unexpected keyword argument 'padding_side'
这个问题主要出现在较新版本的transformers库(4.44.2以上版本)中,因为这些版本对tokenizer的padding处理方式进行了更新,增加了padding_side参数来控制padding的方向。
技术分析
根本原因
该问题的本质是GLM-4项目中ChatGLM4Tokenizer类的_pad方法签名与最新版transformers库不兼容。transformers库在更新后,调用tokenizer的pad方法时会传入padding_side参数,但原始的ChatGLM4Tokenizer._pad方法并未定义接收这个参数。
影响范围
这个问题会影响所有使用较新版本transformers库(4.44.2以上)运行GLM-4项目的场景,特别是:
- 使用官方示例脚本trans_cli_demo.py进行对话测试
- 使用GLM-4-9B或相关模型进行推理
- 在新环境中安装最新依赖的情况
解决方案
临时解决方案
对于无法立即更新模型文件的用户,可以采取以下临时方案:
- 降级transformers库版本至4.44.2:
pip install transformers==4.44.2
- 手动修改tokenizer代码: 在tokenization_chatglm.py文件中,修改ChatGLM4Tokenizer类的_pad方法,添加padding_side参数:
def _pad(
self,
encoded_inputs: Union[Dict[str, EncodedInput], BatchEncoding],
max_length: Optional[int] = None,
padding_side: str = "left", # 新增参数
padding_strategy: PaddingStrategy = PaddingStrategy.DO_NOT_PAD,
pad_to_multiple_of: Optional[int] = None,
return_attention_mask: Optional[bool] = None,
) -> dict:
# 原有实现代码
推荐解决方案
建议用户从官方渠道获取最新版本的模型文件,其中已经修复了这个问题。最新版本的ChatGLM4Tokenizer已经正确实现了_pad方法,能够兼容transformers库的新特性。
注意事项
- 使用降级方案时,可能会遇到其他兼容性问题,如attention mask警告
- 手动修改代码的方案需要确保修改后的实现与transformers库的预期行为一致
- 建议在修改前备份原始文件,以便出现问题时可以回滚
最佳实践
对于新项目,建议:
- 使用官方提供的最新模型文件
- 保持transformers库版本与项目推荐版本一致
- 在部署前进行全面测试,确保所有功能正常
对于已有项目升级,建议:
- 先在小规模测试环境中验证兼容性
- 逐步升级依赖版本,监控系统行为
- 关注官方更新日志,了解API变更情况
通过以上分析和解决方案,开发者可以顺利解决GLM-4项目中的tokenizer参数兼容性问题,确保项目正常运行。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00HunyuanWorld-Mirror
混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
237
2.35 K

仓颉编译器源码及 cjdb 调试工具。
C++
114
82

暂无简介
Dart
538
117

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
77
108

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
995
588

仓颉编程语言测试用例。
Cangjie
34
65

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
131
657