PyTorch TorchChat项目中torch.load的weights_only参数默认值变更解析

背景介绍

在PyTorch生态系统中，模型序列化与反序列化是深度学习工作流中的关键环节。torch.load作为PyTorch的核心函数之一，负责将保存在文件中的模型或张量数据加载回内存。近期PyTorch社区做出了一个重要变更：从PyTorch 2.6版本开始，torch.load函数的weights_only参数默认值将从False改为True。

变更内容详解

weights_only参数控制着torch.load函数的安全级别。当设置为True时，加载器仅允许加载包含张量数据的state_dict，而禁止执行任意代码。这一变更显著提升了模型加载过程的安全性，防止了潜在的安全风险。

在PyTorch TorchChat项目中，这一变更可能影响所有未显式设置weights_only参数的torch.load调用。特别是在分布式训练检查点加载等场景中，如果加载的对象不仅仅是纯张量数据，就可能引发兼容性问题。

技术影响分析

TorchChat项目中的分布式检查点加载功能直接使用了torch.load来恢复训练状态。在默认值变更后，如果检查点文件中包含非张量数据（如自定义对象、复杂数据结构等），这些调用将无法正常工作。

项目维护者需要全面检查所有torch.load调用点，确保它们要么：

1. 确实只加载纯张量数据，与weights_only=True的要求相符
2. 或者显式设置weights_only=False（需评估安全风险）

解决方案与最佳实践

对于TorchChat项目，推荐采取以下措施：

1. 全面检查：检查项目中所有torch.load调用，确认加载内容的性质
2. 显式参数设置：即使当前行为符合预期，也建议显式设置weights_only参数，提高代码可读性
3. 风险评估：对于必须使用weights_only=False的场景，需进行严格的风险评估
4. 版本兼容：考虑为不同PyTorch版本提供兼容性处理

未来展望

这一变更反映了PyTorch社区对安全性的日益重视。作为依赖PyTorch的项目，TorchChat需要持续关注上游的核心变更，及时调整代码实现。同时，这也提醒开发者在模型序列化时应该更加规范，尽可能使用纯张量格式保存关键数据。

通过主动适应这一变更，TorchChat项目不仅能保持与最新PyTorch版本的兼容性，还能为用户提供更安全可靠的模型加载体验。