该问题出现在 NVIDIA GB10 / DGX Spark 这类集成 CUDA 显存的设备上，`get_max_memory()` 会同时输出设备显存条目和独立的 `cpu` 内存条目，导致同一块物理内存被重复计算。优先检查 `get_max_memory()` 返回的字典中是否存在 `cpu`
该报错通常发生在从 Transformers v4 升级到 v5 后加载 BarthezTokenizer 时，原因是 BPE 词汇表被硬编码的 Unigram 初始化逻辑拒绝。优先检查你使用的模型是否为 moussaKam/barthez （BPE）而非 moussaKam/mbarthez （U
该报错通常出现在加载远程自定义模型仓库（如 NemoStation/Marlin-2B ）且开启 trust_remote_code=True 时。优先排查仓库访问权限（Gated Repo 需登录并获批）、 accelerate 是否安装，以及显卡驱动/算力是否满足模型自定义算子要求。
该报错出现在 Transformers 集成测试（Integration Tests）运行时，原因是测试用例通过外网访问 https://picsum.photos 拉取图片，而该外部服务当前不可达（网络屏蔽、DNS 解析失败或站点宕机）。优先排查步骤是确认当前网络是否能访问 picsum.phot
此报错发生在 Transformers 使用 MetalConfig 量化（bits=4/8）的模型上，当以 batch size > 1 进行生成时，只有第一行输出正确，后续所有行解码结果坍缩为 token 0（输出 !!!!... ）。优先排查 affine_qmm_t Metal kernel
此报错发生在 Transformers 框架的 RT-DETR 损失计算中，当成本矩阵（cost matrix）因 AMP（自动混合精度）训练产生 `inf` 值，传入 `scipy.optimize.linear_sum_assignment` 时触发。优先排查并替换成本矩阵中的非有限值（`inf
该报错通常出现在运行 Transformer 课程 Notebook 中 NER（命名实体识别）Pipeline 示例时，原因是 grouped_entities 参数已弃用。优先将参数替换为 aggregation_strategy="simple" 即可解决。
这个报错/需求通常出现在使用 Hugging Face Transformers 的 Trainer 进行训练时，`include_num_input_tokens_seen` 统计的 token 数包含了 padding token，导致令牌数虚高。优先排查方法是将该参数设置为 `"non_pad
该报错发生在 Diffusers 0.40.0 的 ModularPipeline 从本地目录加载组件时，因为 modular_model_index.json 文件中保存的是 Hub 仓库 ID（如 MiniMaxAI/MiniMax-H3），加载器会忽略本地目录而尝试从 Hub 重新解析组件路径
这个报错通常发生在 macOS 环境下，使用 Python 3.11 的框架安装方式导入 transformers 时，因本地安装的 NumPy 二进制文件架构与 CPU 架构不匹配（x86_64 与 arm64）导致导入失败。优先排查 NumPy 的安装架构与 Python 解释器架构是否一致。