From 694fed044e144dc3ccf4a8d9e0a7362ee0fcf3b8 Mon Sep 17 00:00:00 2001
From: 4paradigm <4paradigm@4paradigmdeMacBook-Pro.local>
Date: Tue, 21 Jul 2026 11:02:18 +0800
Subject: [PATCH] fix tokenizer

---
 README.md | 49 +++++++++++++++++++++++++++++++++++++++----------
 1 file changed, 39 insertions(+), 10 deletions(-)

diff --git a/README.md b/README.md
index 8054a03..6b126be 100644
--- a/README.md
+++ b/README.md
@@ -1,21 +1,27 @@
-# BI-150 TokenizersBackend 修复补丁
+# BI-150 Tokenizer 配置修复补丁
 
-基于 BI-150 vLLM 0.8.3 镜像，仅修复以下错误：
+基于 BI-150 vLLM 0.8.3 镜像，修复以下两类 tokenizer 配置问题：
 
-```text
-ValueError: Tokenizer class TokenizersBackend does not exist or is not currently imported.
-```
+1. `tokenizer_class` 指向当前 `transformers` 中不存在的类，例如：
+
+   ```text
+   ValueError: Tokenizer class TokenizersBackend does not exist or is not currently imported.
+   ```
+
+2. `extra_special_tokens` 使用 list，而当前 `transformers` 要求该字段为 dict。
 
 ## 工作方式
 
 镜像构建时用 wrapper 接管 `vllm` 命令。执行 `vllm serve <model_dir>` 时：
 
 1. 读取模型的 `tokenizer_config.json`。
-2. 仅当 `tokenizer_class` 严格等于 `TokenizersBackend` 时，将 tokenizer 文件复制到 `/tmp/fixed_tokenizer`。
-3. 根据已有文件选择替代类：`tokenizer.json` 使用 `PreTrainedTokenizerFast`，`tokenizer.model` 使用 `LlamaTokenizer`，`vocab.json` 与 `merges.txt` 使用 `GPT2TokenizerFast`；无法判断时回退到 `PreTrainedTokenizerFast`。
-4. 向原始 vLLM 命令追加 `--tokenizer /tmp/fixed_tokenizer`。
+2. 检查 `tokenizer_class` 是否存在于当前 `transformers`，并检查 `extra_special_tokens` 是否为 list。
+3. 发现任一问题时，将 tokenizer 文件复制到 `/tmp/fixed_tokenizer`。
+4. 对不存在的 `tokenizer_class`，根据已有文件选择替代类：`tokenizer.json` 使用 `PreTrainedTokenizerFast`，`tokenizer.model` 使用 `LlamaTokenizer`，`vocab.json` 与 `merges.txt` 使用 `GPT2TokenizerFast`；无法判断时回退到 `PreTrainedTokenizerFast`。
+5. 将 list 格式的 `extra_special_tokens` 转换为 `{token: token}` 形式的 dict。
+6. 向原始 vLLM 命令追加 `--tokenizer /tmp/fixed_tokenizer`。
 
-原模型目录不会被修改。其他 tokenizer 错误及其他 `tokenizer_class` 均不处理。
+原模型目录不会被修改，仅处理以上两类 tokenizer 配置问题。
 
 ## 构建
 
@@ -23,4 +29,27 @@ ValueError: Tokenizer class TokenizersBackend does not exist or is not currently
 docker build -t iluvatar-bi150-vllm-tokenizer-fix:0.8.3 .
 ```
 
-使用时仅替换原 BI-150 镜像名，`vllm serve` 参数保持不变。
+使用时仅替换原 BI-150 镜像名，`vllm serve` 参数保持不变。以下命令中的 `<this-image>` 表示打好补丁的镜像。
+
+## 启动
+
+```bash
+docker run -dit \
+  --name iluvatar_sut_submit_325811 \
+  -p 38047:8000 \
+  --privileged \
+  -v /lib/modules:/lib/modules \
+  -v /dev:/dev \
+  -v /usr/src:/usr/src \
+  -v /path/to/model:/model \
+  -e CUDA_VISIBLE_DEVICES=0 \
+  --entrypoint vllm \
+  <this-image> \
+  serve /model \
+  --port 8000 \
+  --served-model-name llm \
+  --max-model-len 2048 \
+  --enforce-eager \
+  --trust-remote-code \
+  -tp 1
+```