Transformers 文档
EXAONE MoE
并获得增强的文档体验
开始使用
此模型于2026年2月4日贡献给 Hugging Face Transformers。
EXAONE MoE
概述
K-EXAONE 模型是由 LG AI Research 开发的大规模多语言语言模型。K-EXAONE 基于名为 EXAONE-MoE 的混合专家 (Mixture-of-Experts) 架构构建，总参数量达 2360 亿，推理时激活参数量为 230 亿。各项基准测试显示，K-EXAONE 在推理能力、智能体 (agentic) 能力、通用知识、多语言理解和长文本处理方面表现卓越。
主要功能
- 架构与效率： 采用 236B 精细化 MoE 设计（23B 激活），通过多标记预测 (Multi-Token Prediction, MTP) 技术优化，实现了自我推测解码 (self-speculative decoding)，使推理吞吐量提升了约 1.5 倍。
- 长上下文能力： 原生支持 256K 上下文窗口，利用 3:1 混合注意力机制和 128-token 滑动窗口，显著降低了长文档处理过程中的内存占用。
- 多语言支持： 涵盖韩语、英语、西班牙语、德语、日语和越南语 6 种语言。采用了经过重新设计的 150k 词表及 SuperBPE 技术，使 Token 处理效率提升了约 30%。
- 智能体能力： 通过多智能体策略展现出卓越的工具使用和搜索能力。
- 安全与伦理： 该模型与普世人类价值观对齐，并独特地融合了韩国文化和历史背景，以解决其他模型往往忽略的地区敏感性问题。它在各类风险维度上均表现出高度可靠性。
所有模型权重（包括量化版本）均可在 Huggingface Collections 获取。
模型详情
K-EXAONE 模型配置
- 参数数量：总计 236B，激活 23B
- 参数数量（不含嵌入层）：234B
- 隐藏层维度：6,144
- 层数：48 个主层 + 1 个 MTP 层
- 混合注意力模式：12 x (3 滑动窗口注意力 + 1 全局注意力)
- 滑动窗口注意力
- 注意力头数：64 个 Q 头和 8 个 KV 头
- 头维度：Q/KV 均为 128
- 滑动窗口大小：128
- 全局注意力
- 注意力头数：64 个 Q 头和 8 个 KV 头
- 头维度：Q/KV 均为 128
- 不使用旋转位置编码 (NoPE)
- 专家混合模型
- 专家数量：128
- 激活专家数量：8
- 共享专家数量：1
- MoE 中间层维度：2,048
- 词表大小：153,600
- 上下文长度：262,144 tokens
- 知识截止日期：2024年12月 (2024/12)
使用技巧
推理模式
对于需要精确结果的任务，您可以按照如下方式在推理模式下运行 K-EXAONE 模型。
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "LGAI-EXAONE/K-EXAONE-236B-A23B"
model = AutoModelForCausalLM.from_pretrained(
model_name,
dtype="bfloat16",
device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained(model_name)
messages = [
{"role": "system", "content": "You are K-EXAONE, a large language model developed by LG AI Research in South Korea, built to serve as a helpful and reliable assistant."},
{"role": "user", "content": "Which one is bigger, 3.9 vs 3.12?"}
]
input_ids = tokenizer.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
return_tensors="pt",
enable_thinking=True, # skippable (default: True)
)
generated_ids = model.generate(
**input_ids.to(model.device),
max_new_tokens=16384,
temperature=1.0,
top_p=0.95,
)
output_ids = generated_ids[0][input_ids['input_ids'].shape[-1]:]
print(tokenizer.decode(output_ids, skip_special_tokens=True))非推理模式
对于延迟比精度更重要的任务，您可以按照如下方式在非推理模式下运行 K-EXAONE 模型。
messages = [
{"role": "system", "content": "You are K-EXAONE, a large language model developed by LG AI Research in South Korea, built to serve as a helpful and reliable assistant."},
{"role": "user", "content": "Explain how wonderful you are"}
]
input_ids = tokenizer.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
return_tensors="pt",
enable_thinking=False,
)
generated_ids = model.generate(
**input_ids.to(model.device),
max_new_tokens=1024,
temperature=1.0,
top_p=0.95,
)
output_ids = generated_ids[0][input_ids['input_ids'].shape[-1]:]
print(tokenizer.decode(output_ids, skip_special_tokens=True))智能体工具使用
对于您的 AI 驱动智能体，您可以利用 K-EXAONE 的工具调用功能。K-EXAONE 模型同时兼容 OpenAI 和 HuggingFace 的工具调用规范。以下示例演示了如何使用 HuggingFace 的 docstring-to-tool-schema 工具进行工具调用。
请查看示例文件以获取使用 K-EXAONE 进行搜索智能体对话的示例。
from transformers.utils import get_json_schema
def roll_dice(max_num: int):
"""
Roll a dice with the number 1 to N. User can select the number N.
Args:
max_num: The maximum number on the dice.
"""
return random.randint(1, max_num)
tool_schema = get_json_schema(roll_dice)
tools = [tool_schema]
messages = [
{"role": "system", "content": "You are K-EXAONE, a large language model developed by LG AI Research in South Korea, built to serve as a helpful and reliable assistant."},
{"role": "user", "content": "Roll a D20 twice and sum the results."}
]
input_ids = tokenizer.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
return_tensors="pt",
tools=tools,
)
generated_ids = model.generate(
**input_ids.to(model.device),
max_new_tokens=16384,
temperature=1.0,
top_p=0.95,
)
output_ids = generated_ids[0][input_ids['input_ids'].shape[-1]:]
print(tokenizer.decode(output_ids, skip_special_tokens=True))ExaoneMoeConfig
class transformers.ExaoneMoeConfig
< 源代码 >( transformers_version: str | None = None architectures: list[str] | None = None output_hidden_states: bool | None = False return_dict: bool | None = True dtype: typing.Union[str, ForwardRef('torch.dtype'), NoneType] = None chunk_size_feed_forward: int = 0 is_encoder_decoder: bool = False id2label: dict[int, str] | dict[str, str] | None = None label2id: dict[str, int] | dict[str, str] | None = None problem_type: typing.Optional[typing.Literal['regression', 'single_label_classification', 'multi_label_classification']] = None vocab_size: int = 102400 hidden_size: int = 4096 intermediate_size: int = 16384 num_hidden_layers: int = 32 num_attention_heads: int = 32 num_key_value_heads: int = 32 hidden_act: str = 'silu' max_position_embeddings: int = 2048 initializer_range: float = 0.02 rms_norm_eps: float = 1e-05 use_cache: bool = True bos_token_id: int | None = 1 eos_token_id: int | list[int] | None = 53 pad_token_id: int | None = 0 tie_word_embeddings: bool = False rope_parameters: dict | None = None attention_dropout: float | int = 0.0 sliding_window: int = 4096 sliding_window_pattern: str | int | None = 4 layer_types: list[str] | None = None mlp_layer_types: list[str] | None = None first_k_dense_replace: int = 1 moe_intermediate_size: int = 1024 num_experts: int = 64 num_experts_per_tok: int = 8 num_shared_experts: int = 1 norm_topk_prob: bool = True routed_scaling_factor: float = 2.5 n_group: int = 1 topk_group: int = 1 )
参数
- vocab_size (
int, 可选, 默认为102400) — 模型的词表大小。定义了input_ids可以表示的不同标记的数量。 - hidden_size (
int, 可选, 默认为4096) — 隐藏层表示的维度。 - intermediate_size (
int, 可选, 默认为16384) — MLP 表示的维度。 - num_hidden_layers (
int, 可选, 默认为32) — Transformer 解码器中的隐藏层数量。 - num_attention_heads (
int, 可选, 默认为32) — Transformer 解码器中每个注意力层的注意力头数。 - num_key_value_heads (
int, 可选, 默认为32) — 这是用于实现分组查询注意力 (Grouped Query Attention, GQA) 的 key_value 头数。如果num_key_value_heads=num_attention_heads，模型将使用多头注意力 (MHA)；如果num_key_value_heads=1，模型将使用多查询注意力 (MQA)；否则使用 GQA。在将多头检查点转换为 GQA 检查点时，每个组的 key 和 value 头应通过对该组内的所有原始头进行平均池化来构建。更多详情，请查看这篇论文。如果不指定，将默认为num_attention_heads。 - hidden_act (
str, 可选, 默认为silu) — 解码器中的非线性激活函数（函数名或字符串）。例如："gelu","relu","silu"等。 - max_position_embeddings (
int, 可选, 默认为2048) — 该模型可能使用的最大序列长度。 - initializer_range (
float, 可选, 默认为0.02) — 用于初始化所有权重矩阵的截断正态分布初始化器 (truncated_normal_initializer) 的标准差。 - rms_norm_eps (
float, 可选, 默认为1e-05) — RMS 归一化层使用的 epsilon 值。 - use_cache (
bool, 可选, 默认为True) — 模型是否应返回最后的 key/values 注意力（并非所有模型都使用）。仅在config.is_decoder=True或模型为仅解码器的生成模型时相关。 - bos_token_id (
int, 可选, 默认为1) — 词表中用于流开始的 Token ID。 - eos_token_id (
Union[int, list[int]], 可选, 默认为53) — 词表中用于流结束的 Token ID。 - pad_token_id (
int, 可选, 默认为0) — 词表中用于填充的 Token ID。 - tie_word_embeddings (
bool, 可选, 默认为False) — 是否根据模型的tied_weights_keys映射来绑定词嵌入权重。 - rope_parameters (
dict, 可选) — 包含 RoPE 嵌入配置参数的字典。该字典应包含rope_theta的值，如果希望在更长的max_position_embeddings下使用 RoPE，还可以选择性地包含用于缩放（scaling）的参数。 - attention_dropout (
Union[float, int], 可选, 默认为0.0) — 注意力概率的 dropout 比率。 - sliding_window (
int, 可选, 默认为4096) — 滑动窗口注意力的大小。如果为None，则不使用滑动窗口。 - sliding_window_pattern (
str, 可选, 默认为 4) — 用于滑动窗口注意力的模式。可以是以下之一：None：不使用滑动窗口注意力int：每sliding_window层使用一次全局注意力，其余层使用局部注意力。str：一个定义注意力模式的“L”（局部注意力）和“G”（全局注意力）字符序列。模式从第 0 层开始，并每sliding_window层重复一次。无论模式如何，最后一层始终使用全局注意力。例如，sliding_window_pattern=“LLLG” 等同于 sliding_window=4，含义如下：- 第 0, 1, 2 层：局部注意力，
- 第 3 层：全局注意力，……（重复）
- layer_types (
list[str], 可选) — 一个显式映射每个层索引及其层类型的列表。如果未提供，将根据配置值自动生成。 - mlp_layer_types (
list, 可选) — 每一层的 MLP 模式。优先级高于first_k_dense_replace。 - first_k_dense_replace (
int, 可选, 默认为 1) — 浅层中的密集层（dense layers）数量（结构：embed->dense->dense->…->dense->moe->moe…->lm_head）。--k 密集层--/ - moe_intermediate_size (
int, 可选, 默认为1024) — 路由专家 MLP 的中间层大小。 - num_experts (
int, 可选, 默认为64) — MoE 层中路由专家的数量。 - num_experts_per_tok (
int, 可选, 默认为8) — 每个 token 要路由到的专家数量。这是 token 选择路由（token-choice routing）的 top-k 值。 - num_shared_experts (
int, 可选, 默认为1) — 对所有 token 始终激活的共享专家数量。 - norm_topk_prob (
bool, 可选, 默认为True) — 是否对路由专家的权重进行归一化。 - routed_scaling_factor (
float, 可选, 默认为2.5) — 路由专家的缩放因子。 - n_group (
int, 可选, 默认为 1) — 路由专家的分组数量。 - topk_group (
int, 可选, 默认为1) — 每个 token 选择的组数量（确保对于每个 token，所选专家仅限于topk_group个组内）。
这是用于存储 ExaoneMoeModel 配置的配置类。它根据指定的参数实例化一个 Exaone Moe 模型，定义模型的架构。使用默认值实例化配置将产生与 LGAI-EXAONE/K-EXAONE-236B-A23B 类似的配置。
配置对象继承自 PreTrainedConfig，可用于控制模型输出。阅读 PreTrainedConfig 的文档以获取更多信息。
示例
>>> from transformers import ExaoneMoeModel, ExaoneMoeConfig
>>> # Initializing a EXAONE configuration
>>> configuration = ExaoneMoeConfig()
>>> # Initializing a model from configuration
>>> model = ExaoneMoeModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.configExaoneMoeModel
class transformers.ExaoneMoeModel
< 源代码 >( config: ExaoneMoeConfig )
参数
- config (ExaoneMoeConfig) — 具有模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重，只会加载配置。请查看 from_pretrained() 方法以加载模型权重。
不带任何特定顶层（head）的原始 Exaone Moe 模型，输出原始隐藏状态。
该模型继承自 PreTrainedModel。请查看超类文档以了解该库为所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、剪枝头部等）。
此模型也是一个 PyTorch torch.nn.Module 子类。像普通的 PyTorch Module 一样使用它，并参考 PyTorch 文档了解一般用法和行为的所有相关信息。
forward
< 源代码 >( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.FloatTensor | None = None use_cache: bool | None = None **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] )
ExaoneMoeForCausalLM
class transformers.ExaoneMoeForCausalLM
< 源代码 >( config model_args: ~utils.generic.ModelArgs | None = None adapter_args: ~utils.generic.AdapterArgs | None = None lora_args: ~utils.generic.LoRAArgs | None = None tokenizer_args: ~utils.generic.TokenizerArgs | None = None dataset_args: ~utils.generic.DatasetArgs | None = None data_args: ~utils.generic.DataArgs | None = None training_args: ~utils.generic.TrainingArgs | None = None generation_args: ~utils.generic.GenerationArgs | None = None vision_tower_args: ~utils.generic.VisionTowerArgs | None = None qlora_args: ~utils.generic.QLoRAArgs | None = None vision_tower_template_args: ~utils.generic.VisionTowerTemplateArgs | None = None video_tower_args: ~utils.generic.VideoTowerArgs | None = None vision_config: ~utils.generic.VisionConfig | None = None video_config: ~utils.generic.VideoConfig | None = None load_dataset: bool | None = None load_data_collator: bool | None = None load_processor: bool | None = None load_lora_adapter: bool | None = None load_adapter: bool | None = None load_qlora_adapter: bool | None = None **kwargs: typing_extensions.Unpack[transformers.modeling_utils.PreTrainedModelKwargs] )
参数
- config (ExaoneMoeForCausalLM) — 具有模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重，只会加载配置。请查看 from_pretrained() 方法以加载模型权重。
用于因果语言建模的 Exaone Moe 模型。
该模型继承自 PreTrainedModel。请查看超类文档以了解该库为所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、剪枝头部等）。
此模型也是一个 PyTorch torch.nn.Module 子类。像普通的 PyTorch Module 一样使用它，并参考 PyTorch 文档了解一般用法和行为的所有相关信息。
forward
< 源代码 >( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.FloatTensor | None = None labels: torch.LongTensor | None = None use_cache: bool | None = None logits_to_keep: int | torch.Tensor = 0 **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → CausalLMOutputWithPast or tuple(torch.FloatTensor)
参数
- input_ids (
torch.LongTensor，形状为(batch_size, sequence_length)，可选) — 词表中输入序列 token 的索引。默认情况下将忽略填充（padding）。索引可以使用 AutoTokenizer 获取。详细信息请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.__call__()。
- attention_mask (
torch.Tensor，形状为(batch_size, sequence_length)，可选) — 用于避免对填充 token 索引执行注意力的掩码。掩码值选自[0, 1]：- 1 表示未被掩码的 token，
- 0 表示被掩码的 token。
- position_ids (
torch.LongTensor，形状为(batch_size, sequence_length)，可选) — 每个输入序列 token 在位置嵌入中的位置索引。选自范围[0, config.n_positions - 1]。 - past_key_values (
~cache_utils.Cache, 可选) — 预计算的隐藏状态（自注意力模块和交叉注意力模块中的键和值），可用于加速顺序解码。这通常由模型在前一解码阶段返回的past_key_values组成，当use_cache=True或config.use_cache=True时使用。输入仅允许使用 Cache 实例，详见我们的 kv cache 指南。如果未传入
past_key_values，默认将初始化 DynamicCache。模型将输出与输入相同格式的缓存。
如果使用了
past_key_values，用户应仅输入未经处理的input_ids（即未将其过去的键值状态提供给此模型的输入），其形状为(batch_size, unprocessed_length)，而不是形状为(batch_size, sequence_length)的全部input_ids。 - inputs_embeds (
torch.FloatTensor，形状为(batch_size, sequence_length, hidden_size)，可选) — 可选参数，您可以选择直接传入嵌入表示，而不是传入input_ids。如果您希望比模型内部的嵌入查找矩阵更精细地控制如何将input_ids索引转换为关联向量，这会非常有用。 - labels (
torch.LongTensor，形状为(batch_size, sequence_length)，可选) — 用于计算掩码语言模型损失的标签。索引应在[0, ..., config.vocab_size]范围内或为 -100（请参阅input_ids文档字符串）。索引设置为-100的 token 将被忽略（掩盖），损失仅对标签在[0, ..., config.vocab_size]范围内的 token 计算。 - use_cache (
bool，可选) — 如果设置为True，则返回past_key_values键值状态，可用于加速解码（参见past_key_values）。 - logits_to_keep (
Union[int, torch.Tensor]，可选，默认为0) — 如果为int，则计算最后logits_to_keep个 token 的 logits。如果为0，则计算所有input_ids的 logits（特殊情况）。生成时仅需最后 token 的 logits，仅为该 token 进行计算可以节省内存，这对于长序列或大词汇量的情况尤为显著。如果为torch.Tensor，则必须是一维的，对应于要在序列长度维度中保留的索引。这在使用打包张量格式（批次和序列长度为单维度）时非常有用。
返回
CausalLMOutputWithPast or tuple(torch.FloatTensor)
一个 CausalLMOutputWithPast 或一个 torch.FloatTensor 元组（如果传入 return_dict=False 或当 config.return_dict=False 时），包含根据配置（ExaoneMoeConfig）和输入而定的各种元素。
ExaoneMoeForCausalLM 的 forward 方法，覆盖了 __call__ 特殊方法。
虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用
Module实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。
loss (
torch.FloatTensor形状为(1,)，可选，当提供labels时返回) — 语言建模损失（用于下一个 token 预测）。logits (形状为
(batch_size, sequence_length, config.vocab_size)的torch.FloatTensor) — 语言建模头部的预测分数（SoftMax 之前的每个词汇标记的分数）。past_key_values (
Cache，*可选*，当传入use_cache=True或config.use_cache=True时返回) — 这是一个 Cache 实例。欲了解更多细节，请参阅我们的 KV 缓存指南。包含预计算的隐藏状态（自注意力块中的键和值），可用于（参见
past_key_values输入）加速顺序解码。hidden_states (
tuple(torch.FloatTensor), optional, 当传递output_hidden_states=True或当config.output_hidden_states=True时返回) —torch.FloatTensor的元组（一个用于嵌入层的输出，如果模型有嵌入层；+一个用于每个层的输出），形状为(batch_size, sequence_length, hidden_size)。模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (
tuple(torch.FloatTensor), optional, 当传递output_attentions=True或当config.output_attentions=True时返回) —torch.FloatTensor的元组（每个层一个），形状为(batch_size, num_heads, sequence_length, sequence_length)。注意力 softmax 后的注意力权重，用于计算自注意力头中的加权平均值。
示例
>>> from transformers import AutoModelForCausalLM, AutoTokenizer
>>> model = AutoModelForCausalLM.from_pretrained("LGAI-EXAONE/K-EXAONE-236B-A23B")
>>> tokenizer = AutoTokenizer.from_pretrained("LGAI-EXAONE/K-EXAONE-236B-A23B")
>>> prompt = "Explain how wonderful you are"
>>> messages = [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": prompt}
]
>>> input_ids = tokenizer.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
return_tensors="pt",
enable_thinking=False,
)
>>> output = model.generate(**input_ids.to(model.device), max_new_tokens=128)
>>> tokenizer.decode(output[0], skip_special_tokens=False)
"<|system|>\nYou are a helpful assistant.<|endofturn|>\n<|user|>\nExplain how wonderful you are<|endofturn|>\n<|assistant|>\n<think>\n\n</think>\n\nThank you for the kind question! While I can't feel emotions or take pride in the way humans do, I *can* share what makes me uniquely helpful and capable—qualities that many people find wonderful.\n\nHere’s how I can support you:\n\n🌟 **Knowledge at Your Fingertips** \nI have access to a vast amount of information across countless topics—from science and history to technology and creative writing. Whether you're curious, learning, or solving a problem, I can help explain things clearly and accurately.\n\n💬 **Clear, Helpful Communication** \nI aim to respond in a way that's easy to understand, whether you need a simple explanation or a detailed analysis. I adapt my tone and depth to match"