Transformers

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v5.22.1).

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

Ce modèle a été contribué à Hugging Face Transformers le 2026-08-09.

MuseGlimmerAssistant

MuseGlimmerAssistant est le rédacteur DFlash pour MuseGlimmer. Ce n'est pas un modèle de langage autonome. Il possède 5 couches à fenêtre glissante et n'a pas de ses propres plongements. Il emprunte les plongements d'entrée et de sortie du modèle principal, et lit les états cachés du modèle principal aux target_layer_ids (couches 1, 13, 25, 37 et 49 par défaut) comme contexte.

Plutôt que de générer un jeton à la fois, le modèle de brouillon débruite un bloc entier de block_size jetons masqués en une seule passe avant, comme une fenêtre de diffusion. Le modèle principal vérifie ensuite le bloc en une seule étape. Meta rapporte un décodage 3,1 fois plus rapide sur une RTX 5090 et 1,5 à 1,8 fois plus rapide sur les puces Apple M-series.

Passez le drafter à generate() en tant que assistant_model et définissez speculation_type="dflash". Le drafter doit être chargé avec le même dtype et sur le même appareil que le modèle principal.

from transformers import AutoProcessor, MuseGlimmerAssistantModel, MuseGlimmerForConditionalGeneration

processor = AutoProcessor.from_pretrained("meta-models/Muse-Glimmer-30B")
model = MuseGlimmerForConditionalGeneration.from_pretrained(
    "meta-models/Muse-Glimmer-30B",
    device_map="auto",
)
drafter = MuseGlimmerAssistantModel.from_pretrained(
    "meta-models/Muse-Glimmer-30B-assistant",
    device_map="auto",
)

messages = [
    {
        "role": "user",
        "content": [{"type": "text", "text": "Write a bash one-liner that counts lines of Python in a repo."}],
    },
]
inputs = processor.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=True,
    return_dict=True,
    return_tensors="pt",
).to(model.device)
input_len = inputs["input_ids"].shape[-1]

outputs = model.generate(
    **inputs,
    assistant_model=drafter,
    speculation_type="dflash",
    max_new_tokens=256,
)
response = processor.decode(outputs[0][input_len:], skip_special_tokens=False)
print(response)

Notes

Le rédacteur a besoin des états cachés du modèle principal, donc generate force output_hidden_states=True pour le modèle cible lorsque speculation_type="dflash".
Consultez le billet de blog Meta is back with Muse Glimmer: local, agentic, multimodal, and open source! pour plus de détails et des exemples d'utilisation.

MuseGlimmerAssistantConfig

classe transformers.MuseGlimmerAssistantConfig

< source >

( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonehidden_size: int = 6656intermediate_size: int = 19968num_hidden_layers: int = 5num_attention_heads: int = 32num_key_value_heads: int = 8head_dim: int = 128rms_norm_eps: float = 1e-05rope_parameters: dict | None = Nonemax_position_embeddings: int = 131072sliding_window: int = 2048layer_types: list[str] | None = Noneattention_dropout: float | int = 0hidden_act: str = 'silu'bos_token_id: int | None = 200000eos_token_id: int | None = 200001pad_token_id: int | None = 200018block_size: int = 16mask_token_id: int = 201818target_layer_ids: list[int] | None = None )

Paramètres

hidden_size (int, facultatif, par défaut 6656) — Dimension des représentations cachées.
intermediate_size (int, facultatif, par défaut 19968) — Dimension des représentations MLP.
num_hidden_layers (int, facultatif, par défaut 5) — Nombre de couches cachées dans le décodeur Transformer.
num_attention_heads (int, facultatif, valeur par défaut 32) — Nombre de têtes d'attention pour chaque couche d'attention du décodeur Transformer.
num_key_value_heads (int, facultatif, valeur par défaut 8) — Ceci est le nombre de têtes key_value à utiliser pour implémenter l'attention Grouped Query. Si num_key_value_heads=num_attention_heads, le modèle utilisera l'attention Multi Head (MHA), si num_key_value_heads=1 le modèle utilisera l'attention Multi Query (MQA), sinon l'attention GQA est utilisée. Lors de la conversion d'un checkpoint multi-têtes en checkpoint GQA, chaque tête clé et valeur de groupe doit être construite en effectuant un meanpooling de toutes les têtes d'origine au sein de ce groupe. Pour plus de détails, consultez ce papier. S'il n'est pas spécifié, la valeur par défaut sera num_attention_heads.
head_dim (int, facultatif, par défaut 128) — La dimension des têtes d'attention. Si None, elle est par défaut égale à hidden_size // num_attention_heads
rms_norm_eps (float, facultatif, valeur par défaut 1e-05) — L'épsilon utilisé par les couches de normalisation rms.
rope_parameters (dict, facultatif) — Dictionnaire contenant les paramètres de configuration des embeddings RoPE. Le dictionnaire doit contenir une valeur pour rope_theta et, le cas échéant, les paramètres utilisés pour le mise à l’échelle si vous souhaitez utiliser RoPE avec des max_position_embeddings plus longs.
max_position_embeddings (int, facultatif, par défaut 131072) — La longueur de séquence maximale avec laquelle ce modèle pourrait être utilisé.
sliding_window (int, facultatif, par défaut 2048) — Taille de la fenêtre d'attention glissante. Si None, aucune fenêtre glissante n'est appliquée.
layer_types (list[str], facultatif) — Une liste qui associe explicitement chaque index de couche à son type de couche. S'il n'est pas fourni, il sera généré automatiquement en fonction des valeurs de configuration.
attention_dropout (Union[float, int], facultatif, valeur par défaut 0) — Le taux de dropout appliqué aux probabilités d'attention.
hidden_act (str, facultatif, par défaut silu) — La fonction d'activation non linéaire (fonction ou chaîne de caractères) du décodeur. Par exemple, "gelu", "relu", "silu", etc.
bos_token_id (int, facultatif, par défaut 200000) — Identifiant du jeton utilisé pour le début de flux dans le vocabulaire.
eos_token_id (int, facultatif, par défaut 200001) — Identifiant du jeton utilisé pour la fin de flux dans le vocabulaire.
pad_token_id (int, facultatif, par défaut 200018) — Identifiant du jeton utilisé pour le bourrage dans le vocabulaire.
block_size (int, facultatif) — La taille des blocs des entrées de bruit qui seront débruitées.
mask_token_id (int, facultatif) — Identifiants des jetons de masque utilisés comme entrée bruitée pour le modèle.
target_layer_ids (list[int], facultatif) — Identifiants de couches (indexés à partir de zéro) dont les états cachés sont concaténés en tant que contexte pour le modèle.

Ceci est la classe de configuration destinée à stocker la configuration d'un MuseGlimmerAssistantModel. Elle est utilisée pour instancier un modèle Muse Glimmer Assistant en fonction des arguments spécifiés, définissant ainsi l'architecture du modèle. L'instanciation d'une configuration avec les valeurs par défaut produira une configuration similaire à celle du meta-models/Muse-Glimmer-30B-assistant

Les objets de configuration héritent de PreTrainedConfig et peuvent être utilisés pour contrôler les sorties du modèle. Consultez la documentation de PreTrainedConfig pour plus d’informations.

Exemple :

>>> from transformers import MuseGlimmerAssistantConfig, MuseGlimmerAssistantModel

>>> # Initializing a Muse Glimmer Assistant config similar to `meta-models/Muse-Glimmer-30B-assistant`.
>>> configuration = MuseGlimmerAssistantConfig(text_config)

>>> # Initializing a model from the `meta-models/Muse-Glimmer-30B-assistant` configuration.
>>> model = MuseGlimmerAssistantModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

MuseGlimmerAssistantPreTrainedModel

classe transformers.MuseGlimmerAssistantPreTrainedModel

< source >

( config: PreTrainedConfig*inputs**kwargs )

Paramètres

config (PreTrainedConfig) — Classe de configuration du modèle contenant tous les paramètres du modèle. L’initialisation à partir d’un fichier de configuration ne charge pas les poids associés au modèle, uniquement la configuration. Consultez la méthode from_pretrained() pour charger les poids du modèle.

Ce modèle hérite de PreTrainedModel. Consultez la documentation de la classe parente pour les méthodes génériques que la bibliothèque implémente pour tous ses modèles (tels que le téléchargement ou l'enregistrement, le redimensionnement des embeddings d'entrée, la taille des têtes, etc.)

Ce modèle est également une sous-classe de torch.nn.Module de PyTorch. Utilisez-le comme un module PyTorch standard et consultez la documentation de PyTorch pour tout ce qui concerne l'utilisation et le comportement généraux.

MuseGlimmerAssistantModel

classe transformers.MuseGlimmerAssistantModel

< source >

( config: MuseGlimmerAssistantConfig )

Paramètres

config (MuseGlimmerAssistantConfig) — Classe de configuration du modèle contenant tous les paramètres du modèle. L’initialisation à partir d’un fichier de configuration ne charge pas les poids associés au modèle, uniquement la configuration. Consultez la méthode from_pretrained() pour charger les poids du modèle.

Le modèle Muse Glimmer Assistant brut, produisant des états cachés bruts sans aucune tête spécifique au sommet.

forward

< source >

( noise_embeds: Tensorcontext_hidden_states: Tensorattention_mask: typing.Optional[torch.Tensor] = Noneposition_ids: typing.Optional[torch.LongTensor] = Nonepast_key_values: transformers.cache_utils.DFlashCache | None = Noneuse_cache: bool | None = None**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → BaseModelOutputWithPast or tuple(torch.Tensor)

Paramètres

noise_embeds (torch.Tensor de forme [batch_size, config.block_size, dim]) — Embedding d'entrée pour le dernier jeton d'ancrage généré et les jetons de masque à débruitiser.
context_hidden_states (torch.Tensor de forme [batch_size, number_of_previous_accepted_tokens, dim * len(config.target_layer_ids)]) — États cachés du contexte issus des identifiants de couches sélectionnés du modèle cible, concaténés sur la dernière dimension.
attention_mask (torch.Tensor de forme [batch_size, number_of_previous_accepted_tokens + config.block_size]) — Semblable à l’attention_mask habituel, mais notez qu’il a une longueur de number_of_previous_accepted_tokens + config.block_size, car l’Attention concatène d’abord context_hidden_states et les états cachés dérivés de noise_embeds, de sorte que les états k/v n’ont pas la même longueur que q_states, même avant l’appel à cache.update(). La dimension kv_seq_len du masque d’attention doit donc couvrir les positions supplémentaires.
position_ids (torch.Tensor of shape [batch_size, number_of_previous_accepted_tokens + config.block_size]) — Similar to the usual position_ids, but note that it has length number_of_previous_accepted_tokens + config.block_size, because the Attention will first concatenate context_hidden_states and the hidden states derived from noise_embeds, so that k/v states do not have the same length as q_states, even before the cache.update() call. Thus the position_ids and the derived position_embeddings need to span all the additional positions.
past_key_values (~cache_utils.DFlashCache, facultatif) — États cachés précalculés (clés et valeurs dans les blocs d'auto-attention et d'attention croisée) qui peuvent être utilisés pour accélérer le décodage séquentiel. Cela consiste généralement en la past_key_values retournée par le modèle à une étape antérieure du décodage, lorsque use_cache=True ou config.use_cache=True.
Seule une instance de Cache est autorisée en entrée, consultez notre guide du cache kv. Si aucun past_key_values n'est transmis, DynamicCache sera initialisé par défaut.

Le modèle produira le même format de cache qui est fourni en entrée.

Si past_key_values sont utilisés, l’utilisateur doit fournir uniquement les input_ids non traités (ceux pour lesquels les états de clés et de valeurs passées n’ont pas été fournis à ce modèle) de forme (batch_size, unprocessed_length) au lieu de tous les input_ids de forme (batch_size, sequence_length).
use_cache (bool, facultatif) — Si défini sur True, les états clé-valeur past_key_values sont renvoyés et peuvent être utilisés pour accélérer le décodage (voir past_key_values).

Retourne

BaseModelOutputWithPast ou tuple(torch.Tensor)

Un BaseModelOutputWithPast ou un tuple de torch.Tensor (si return_dict=False est passé ou lorsque config.return_dict=False) comprenant divers éléments en fonction de la configuration (MuseGlimmerAssistantConfig) et des entrées.

La méthode forward du modèle MuseGlimmerAssistantModel redéfinit la méthode spéciale __call__.

Bien que la recette de la passe avant doive être définie dans cette fonction, il faut ensuite appeler l'instance Module plutôt que celle-ci, car la première gère l'exécution des étapes de prétraitement et de post-traitement, tandis que la seconde les ignore silencieusement.

last_hidden_state (torch.Tensor de forme (batch_size, sequence_length, hidden_size)) — Séquence d'états cachés à la sortie de la dernière couche du modèle.

Si past_key_values est utilisé, seule la dernière hidden-state des séquences de forme (batch_size, 1, hidden_size) est renvoyée.
past_key_values (Cache, facultatif, renvoyé lorsque use_cache=True est passé ou lorsque config.use_cache=True) — Il s’agit d’une instance de Cache. Pour plus de détails, consultez notre guide sur le cache kv.

Contient des états cachés précalculés (clés et valeurs dans les blocs d'auto-attention et, le cas échéant, si config.is_encoder_decoder=True, dans les blocs d'attention croisée) qui peuvent être utilisés (voir l'entrée past_key_values) pour accélérer le décodage séquentiel.
hidden_states (tuple(torch.Tensor), facultatif, renvoyé lorsque output_hidden_states=True est passé ou lorsque config.output_hidden_states=True) — Tuple de torch.Tensor (un pour la sortie des embeddings, si le modèle possède une couche d’embedding, + un pour la sortie de chaque couche) de forme (batch_size, sequence_length, hidden_size).

États cachés du modèle à la sortie de chaque couche, ainsi que les sorties d'incorporation initiales facultatives.
attentions (tuple(torch.Tensor), facultatif, renvoyé lorsque output_attentions=True est passé ou lorsque config.output_attentions=True) — Tuple de torch.Tensor (un par couche) de forme (batch_size, num_heads, sequence_length, sequence_length).

Poids des attentions après le softmax d'attention, utilisés pour calculer la moyenne pondérée dans les têtes d'auto-attention.

Update on GitHub

←MuseGlimmer MVP→