AutoAWQ项目中的量化模型输出乱码问题分析与解决方案

问题背景

在使用AutoAWQ项目对Qwen2.5-1.5B-Instruct模型进行4-bit量化后，部分用户遇到了模型输出乱码的问题。这个问题在使用vLLM推理框架时尤为明显，而直接使用autoawq库则能正常输出。经过深入分析，发现这与量化后模型权重保存方式的变化有关。

技术分析

权重保存机制的变化

在AutoAWQ 0.2.7版本后，对于使用共享词嵌入(tied word embeddings)的模型，量化后会保存lm_head权重而非model.embed_tokens权重。这种变化导致了与某些推理框架的兼容性问题：

1. vLLM框架：当检测到tied_word_embeddings时，会跳过lm_head的加载，导致词嵌入和语言模型头都被置零，从而产生乱码输出
2. llama.cpp：在转换过程中会显式跳过lm_head，并使用输入token嵌入作为输出

权重保存对比

模型/工具版本	保存model.embed_tokens	保存lm_head
原始Qwen2.5模型	是	否
transformers 4.46.3	是	否
autoawq 0.2.6	是	是
autoawq 0.2.7+	否	是

解决方案

临时解决方案

对于已经量化的模型，可以通过以下Python脚本修复权重命名问题：

import os
import safetensors

quant_path = "量化模型路径"
tensors = {}
with safetensors.safe_open(
    os.path.join(quant_path, "model.safetensors"), framework="pt", device="cpu"
) as f:
    for k in f.keys():
        nk = "model.embed_tokens.weight" if k == "lm_head.weight" else k
        tensors[nk] = f.get_tensor(k)

os.rename(
    os.path.join(quant_path, "model.safetensors"),
    os.path.join(quant_path, "model.safetensors.bak"),
)
safetensors.torch.save_file(tensors, os.path.join(quant_path, "model.safetensors"))

长期解决方案

建议等待AutoAWQ官方修复此问题。开发者正在与Hugging Face团队协作，寻求在transformers层面解决这个兼容性问题。

技术建议

1. 对于Qwen系列模型的量化，建议暂时使用AutoAWQ 0.2.6版本
2. 在使用vLLM等推理框架前，检查量化模型的权重命名是否符合预期
3. 关注AutoAWQ项目的更新，及时获取官方修复版本

总结

模型量化过程中的权重保存方式变化可能导致与推理框架的兼容性问题。理解模型架构和框架加载机制对于解决这类问题至关重要。建议开发者在量化模型后，先在简单场景下测试模型输出，确认无误后再投入生产环境使用。