该报错通常发生在旧版 Transformers 中对小型 GPT-2 模型使用 device_map="auto" 且模型被切分到多张 GPU 时，原因是旧的 balanced device-map 算法没有将 tied weights（ transformer.wte.weight 与 lm_he
该报错发生在 Transformers 库中 PPFormulaNet 模型训练时，原因是 ForCausalLMLoss 默认对 labels 左移一位，但 PPFormulaNet 是 encoder-decoder 架构，logits 与 labels 已对齐，导致训练标签错位、丢失最后一个目
该报错属于隐性问题，在使用 Transformers 加载 Qwen3-VL-MoE 旧版布局检查点时触发，当模型中间层维度恰好等于隐藏层维度或其二分之一时，专家权重会被静默转置加载，模型输出变成垃圾数据且不报任何警告。优先排查 moe_intermediate_size 与 hidden_size
![[Feature Request]: Add MonkeyOCRv2 as a document parsing backend (working adapter included)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/18671-00b219e6-768x403.jpg)
这是一个功能请求（Feature Request），不是运行时报错。用户希望将 MonkeyOCRv2 作为 RAGFlow 的文档解析后端，并提供了一个与 MinerU HTTP API 兼容的适配器。维护者强调：此类集成需要自行维护，且需关注与上游 MinerU 代码的兼容性。
在 NVIDIA B200（SM100）上使用 FineGrainedFP8 模型（如 Qwen/Qwen3-4B-FP8）时，DeepGEMM 的 SM100 内核路径会静默返回错误结果。优先设置环境变量 TRANSFORMERS_DISABLE_DEEPGEMM_LINEAR=1 回退到 Tri
该问题发生在加载 google/gemma-4-E4B-it 模型时，模型内部的 per-layer embedding（PLE）表占用大量显存。优先排查方向是：在 from_pretrained 时是否使用了细粒度（per-module）的 device_map 字典，而不是只把顶层模块指定为 "
这个报错发生在 Transformers 的 MTP（Multi-Token Prediction）生成测试中：`test_generate_with_mtp` 会因为正则匹配错误跳过除 Inkling 外的所有模型，同时直接构造 `MtpModel` 时默认 `logits_processor=N
该报错发生在 DeepSpeed ZeRO-3 加载大型稀疏 MoE 多模态模型（如 MiniMax-M3 428B）时，问题根源并非 ZeRO-3 分区失败，而是 transformers 的 _initialize_missing_keys 将整个模型所有未初始化参数放进单个 GatheredP
该 Issue 是向 Hugging Face Transformers 仓库提交的新模型（GTrXL）接入请求，因缺乏官方预训练权重而被关闭。如果你正在等待 Transformers 官方支持 GTrXL，当前结论是：暂不会合并该架构，优先排查是否有可用官方 checkpoint。
该报错发生在通过 pip 方式安装 Open WebUI v0.11.1 后执行启动命令时，进程停留在前台无法正常提供服务。优先排查启动命令是否完整、模型下载是否正常完成，以及是否误将前台日志输出当成卡死。