标签： Transformer

该问题发生在对 Transformers 主分支执行安全审计时，发现 `src/transformers/dependency_versions_table.py` 中多个核心依赖的下限版本过低，存在已知安全漏洞。优先排查上述依赖项在当前项目环境中的实际安装版本，并更新 `dependency_ve

该报错通常出现在使用 Transformers 5.x 加载依赖远程代码（remote_code）的模型（如 moonshotai/Kimi-K2.5）时，原因是 v5 移除了内部函数 is_torch_fx_available ，而模型仓库中的远程代码仍在调用它。优先排查当前 Transforme

该报错通常是因为类名大小写不匹配导致，当前 transformers 中实际导出的是 MetaClip2Model （clip 为小写），而示例代码中误写为 MetaCLIP2Model （CLIP 为大写）。优先将代码中的类名改为 MetaClip2Model 即可解决。

这个报错通常发生在同时安装 transformers[torch-speech] 和 pyannote-audio==4.0.0 时，原因是 pyctcdecode 限制 numpy=2.0 。优先排查 numpy 版本，或改用维护者提供的

该问题发生在你在 Transformers 中想要为 T5 接入 Linformer、Performer、Nystromformer 等高效自注意力机制时，核心提示为 “Implementing efficient self attention in T5”。优先排查当前 Transformers

这个 Issue 标题 Moving in a folder & `push_to_hub` for a `trust_remote_code=True` model 对应两个诉求：自定义模型通过 trust_remote_code=True 加载时，无法使用 .. 向上引用仓库里的其他 Pytho

这个报错发生在使用 mlx_lm.generate 加载模型仓库时，因为 tokenizer_config.json 中 tokenizer_class 被设置为 "TokenizersBackend" ，而当前 transformers 版本（5.14.1）无法识别该 class。优先排查 tra

当用户需要向 Trainer 传递一个已创建的自定义 Accelerator 实例时（核心英文报错：Allow users to pass through `Accelerate` instance）， 无需修改 Trainer 源码 ，直接利用 TrainingArguments 中的 accel

当使用 Hugging Face Transformers 的 model.generate() 对 Llama 等语言模型进行批量解码时，即使 do_sample=False 使用 greedy 搜索，不同 batch size 下相同输入的第一个样本输出结果可能不一致。优先确认 padding_