GLM-4模型训练中注意力掩码维度不匹配问题分析与解决方案

问题现象

在使用GLM-4模型进行训练时，部分开发者遇到了一个RuntimeError错误，提示"注意力掩码维度不匹配"。具体表现为在模型前向传播过程中，当执行full_attention_mask = full_attention_mask * padding_mask.unsqueeze(1)操作时，两个张量的维度无法对齐。错误信息显示，张量a的尺寸为1638(或1620)，而张量b的尺寸为39(或21)，在非单一维度2上无法匹配。

技术背景

GLM-4是清华大学知识工程组(KEG)开发的大规模预训练语言模型，采用了独特的注意力机制设计。在模型训练过程中，需要构建完整的注意力掩码(full_attention_mask)来处理序列数据。这个掩码由两部分组成：

1. 历史注意力部分：处理已生成的token(past_length)
2. 当前注意力部分：处理当前输入的token(seq_length)

padding_mask则是用于标识输入序列中哪些位置是真实token(值为1)，哪些是填充位置(值为0)的掩码。

问题根源分析

经过深入代码分析，问题出现在modeling_chatglm.py文件的get_masks方法中。根本原因是padding_mask的序列长度与模型实际处理的序列长度不一致。具体来说：

1. 当输入序列经过预处理后，可能因为tokenizer的特殊处理(如添加特殊token)导致实际输入长度与原始文本长度不一致
2. 在构建full_attention_mask时，模型考虑了所有token(包括特殊token)，而padding_mask可能仅基于原始文本长度构建
3. 这种长度不一致导致在元素级乘法操作时维度不匹配

解决方案

针对这一问题，可以采取以下几种解决方案：

方案一：更新padding_mask生成逻辑

确保padding_mask的生成考虑了所有token，包括特殊token。可以在数据预处理阶段统一处理：

# 在构建数据集时确保padding_mask与input_ids同长度
padding_mask = torch.ones_like(input_ids)

方案二：修改模型代码

在get_masks方法中添加长度检查和对齐逻辑：

if padding_mask is not None:
    # 确保padding_mask与full_attention_mask长度一致
    if padding_mask.size(1) != full_attention_mask.size(2):
        padding_mask = F.pad(padding_mask, 
                           (0, full_attention_mask.size(2) - padding_mask.size(1)),
                           value=0)
    full_attention_mask = full_attention_mask * padding_mask.unsqueeze(1)

方案三：检查tokenizer配置

确认使用的tokenizer是否与模型版本匹配，特别是检查是否有添加额外特殊token的设置：

tokenizer.add_special_tokens = False  # 确保不自动添加特殊token

最佳实践建议

1. 数据预处理一致性：确保所有输入数据经过相同的预处理流程，特别是长度相关的处理
2. 版本匹配：确认模型代码、tokenizer和配置文件版本一致
3. 调试工具：在出现类似问题时，可以使用以下调试代码检查维度：

   print(f"full_attention_mask shape: {full_attention_mask.shape}")
   print(f"padding_mask shape: {padding_mask.shape}")
   

4. 批量大小调整：某些情况下，适当减小batch_size可以避免复杂的padding情况

总结

GLM-4模型训练中的注意力掩码维度不匹配问题通常源于数据预处理与模型预期的不一致。通过确保padding_mask与输入序列的实际长度对齐，可以有效解决这一问题。开发者应当特别注意模型各组件间的数据流一致性，特别是在处理变长序列时。理解模型内部的注意力机制实现细节，有助于快速定位和解决类似维度不匹配的问题。