InternLM2模型转换Llama架构后输出异常问题分析

在将InternLM2-chat-20b模型转换为Llama架构并使用vLLM推理框架时，部分用户遇到了输出结果中出现异常标记[UNUSED_TOKEN_145]的问题。经过技术分析，这主要涉及两个关键因素：tokenizer转换问题和对话模板格式问题。

问题现象描述 当使用转换后的模型进行推理时，模型输出会夹杂类似[UNUSED_TOKEN_145]的异常标记。例如在测试"小明的爸爸只有三个儿子..."这类逻辑推理问题时，输出结果中会出现不相关的特殊token。

根本原因分析

1. Tokenizer转换不完整：原始InternLM2模型的tokenizer与Llama架构的tokenizer存在差异，直接转换可能导致部分特殊token映射异常。特别是对话系统专用的控制token可能无法正确识别。

2. 对话模板格式缺失：InternLM2作为对话模型，需要遵循特定的对话模板格式。直接输入纯文本问题而不使用规定的对话模板，会导致模型无法正确理解输入结构。

解决方案

1. 使用适配的Tokenizer：需要获取专门为InternLM2转换的Llama格式tokenizer，确保所有特殊token都能正确映射。

2. 遵循ChatML对话格式：输入必须按照规定的对话模板格式组织，包含完整的对话角色标记和分隔符。例如用户提问应当包装在特定的对话标记中。

技术建议 对于开发者使用转换后的InternLM2模型，建议：

• 始终使用配套的转换后tokenizer
• 严格遵循对话模板格式要求
• 在vLLM等推理框架中正确设置停止token
• 注意模型输出的后处理，特别是特殊token的过滤

经验总结 大模型架构转换过程中，tokenizer的适配往往是最容易被忽视但最关键的一环。同时，对话型模型对输入格式有严格要求，开发者需要仔细阅读模型文档，确保输入输出处理符合规范。这类问题在跨框架部署时尤为常见，需要特别关注。