Streaming Pipeline Regression in Transformers v5
用户在使用 Transformers v5（5+）版本的 Pipeline 对象进行推理或处理任务时，若输入是一个大型生成器（例如流式数据集、大文件逐行读取生成器），调用 pipeline 时会导致内存耗尽（OOM）。
标签： Transformer
ValueError: Some modules are dispatched on the CPU or the disk…` from `quantizer_bnb_4bit.validate_environment` (via `integrations/accelerate._get_device_map`). The model is far under the 1.
用户在使用 Transformers 加载 MiniMaxAI/MiniMax-M3（428B 稀疏 MoE 视觉语言模型）时，配置了 4-bit 量化（nf4, double-quant）、 device_map="auto" 和 max_memory={i: "165GiB" for i in
TypeError: argument ‘vocab’: ‘dict’ object cannot be converted to ‘Sequence’
在 Transformers 5.12.1 中，使用 AutoTokenizer.from_pretrained("vesteinn/ScandiBERT") 加载 vesteinn/ScandiBERT 模型的 tokenizer 时触发。该 tokenizer 的原始模型是 BPE 类型，但 t
Make `argmax` in `post_process_semantic_segmentation` optional
用户在使用 Hugging Face Transformers 的语义分割模型（如 DETR、MaskFormer、Mask2Former、OneFormer 等）时，通过 post_process_semantic_segmentation 函数获取分割结果。当前该函数会强制对 logits/sc
AutoProcessor.from_pretrained retries HTTP 429 responses multiple times for every config file when using HF_ENDPOINT
用户在 Windows 11 环境下，使用 Transformers 5.12.1 调用 AutoProcessor.from_pretrained() 加载模型（如 "facebook/dinov3-vits16-pretrain-lvd1689m" ）。当配置了 HF_ENDPOINT 环境变量
TypeError: ‘NoneType’ object is not subscriptable
用户按照官方示例使用 pipeline 进行文本生成，加载 NVIDIA Nemotron 模型并设置 trust_remote_code=True 。模型加载权重成功，但在执行生成 pipe(messages) 时抛出 TypeError: 'NoneType' object is not sub
Qwen3.5 crash with `cache_implementation=”static”` — `KeyError: ‘linear_attention’`
用户在 Transformers 5.10.1 中尝试使用 Qwen3.5 混合线性注意力模型（hybrid linear-attention model），通过 generate() 方法并启用静态缓存（ cache_implementation="static" 或预构建 StaticCache
RuntimeError: The size of tensor a (8) must match the size of tensor b (4) at non-singleton dimension 3
用户使用 Hugging Face Transformers 库（版本 5.10.1）中的 StaticCache.early_initialization 方法，为包含线性注意力层（如 layer_types = ["full_attention", "linear_attention"] ）的混
RuntimeError: expected scalar type Float but found Half
用户使用 Transformers 库中的 CanineModel （google/canine-s），在调用 model.half() 后通过 torch.onnx.export 导出 FP16 ONNX 模型时触发报错。该问题在 PyTorch 2.9.0+cu129 / CUDA 和 PyTo
Cache config max_cache_length only honored for Quantized Cache
用户在 HuggingFace Transformers 库的 generate() 调用中，使用 cache_implementation="static" 静态缓存路径，并希望通过 cache_config={"max_cache_len": N} 控制缓存的最大长度。但实际观察发现， cach