THUDM

/

chatglm2-6b

like 2.01k

当加载原始模型，设置 use_cache = False 时，对next_token的预测，input_ids的截取只判断了 is_first_forward ，仍然截取处理，只使用最新的token写入input_ids。此时没有past_key_value参数，会导致模型推理乱码。
应该 判断 is_first_forward == False and self.config.use_cache == True 的时候，才能截取最新预测的token，传入model，否则要传入前面原始文本序列及已经预测的token。