special token未能输出

[katouHui]

Reminder

• I have read the above rules and searched the existing issues.

System Info

INFO 02-26 15:55:11 init.py:190] Automatically detected platform cuda.

• llamafactory version: 0.9.2.dev0
• Platform: Linux-5.15.0-91-generic-x86_64-with-glibc2.35
• Python version: 3.11.0
• PyTorch version: 2.5.1+cu124 (GPU)
• Transformers version: 4.49.0
• Datasets version: 3.2.0
• Accelerate version: 1.2.1
• PEFT version: 0.12.0
• TRL version: 0.9.6
• DeepSpeed version: 0.16.2
• vLLM version: 0.7.2

Reproduction

Put your message here.

我的数据集为包含近1000条，输出格式为 **<...>.....</...>....**的数据，想通过微调Qwen模型使其能够输出<...>标签，直接进行微调的已经尝试过，现在需要将<...>作为special token的形式进行微调，微调结束并将模型合并之后进行推理，结果中并没有包含<...>标签，参考#6630 和 #6749 等方法尝试无果，因此来咨询一下，希望能得到您的回复。

训练过程
训练代码：llamafactory-cli train examples/train_lora/deepseek_v3.yaml
具体的配置文件如下：

### model
model_name_or_path: /data/models/Qwen2.5-1.5B-Instruct

stage: sft
do_train: true
finetuning_type: lora
lora_target: all
deepspeed: ./examples/deepspeed/ds_z3_config.json
# lora_rank: 16
# lora_alpha: 32

dataset: deepseek750_v1
template: qwen
packing: false
cutoff_len: 32768
overwrite_cache: true
preprocessing_num_workers: 16

output_dir: ./saves/qwen2.5-1.5B_v3/
logging_steps: 1
save_steps: 30
plot_loss: true
overwrite_output_dir: true

per_device_train_batch_size: 1
gradient_accumulation_steps: 2
learning_rate: 5.00e-5
num_train_epochs: 7
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: true

new_special_tokens: "<think>,</think>"
skip_special_tokens: false

merge过程
训练代码：llamafactory-cli export examples/merge_lora/qwen_deep_v3.yaml
具体的配置文件如下：

### model
model_name_or_path: /data/models/Qwen2.5-1.5B-Instruct
adapter_name_or_path: ./saves/qwen2.5-1.5B_v3
template: qwen
trust_remote_code: true

new_special_tokens: "<think>,</think>"
skip_special_tokens: false
### export
export_dir: output/deep_1.5_merge_v3
export_size: 1
export_device: auto
export_legacy_format: false

推理过程
推理代码：CUDA_VISIBLE_DEVICES=0,1,2,3 python scripts/vllm_infer.py --model_name_or_path ./output/deep_1.5_merge_v3 --dataset deepseek750_dev

推理结果中 只有这个标签"label": "<|im_end|>\n"
也参照一些issue通过调参等方式进一步尝试，但依旧不会输出special token
麻烦占用您的一部分时间，指点一下我该如何去修改，才能让微调之后的模型能够准确地输出special_token

Others

No response

[hiyouga]

训练时候没有添加 resize_vocab 参数，tokenizer 不识别

[lifeng7777]

训练时候没有添加 resize_vocab 参数，tokenizer 不识别

我看到代码里有：
def patch_tokenizer(tokenizer: "PreTrainedTokenizer", model_args: "ModelArguments") -> None:
…………
if num_added_tokens > 0 and not model_args.resize_vocab:
model_args.resize_vocab = True
logger.warning_rank0("New tokens have been added, changed resize_vocab to True.")
所以resize_vocab这个参数应该不影响训练？我训练的时候看到这条warning了觉得会自动设置为True，但是我最终的模型也没法推理新的token。官方能否出一个新增token训练/merge/推理的脚本呢

[Alice1998]

希望这个【官方能否出一个新增token训练/merge/推理的脚本】+1，十分感谢！

以及想要确认一下，在现在的代码中，
lora训练的时候使用
new_special_tokens: xxx, xxx
additional_target: embed_tokens,lm_head
resize_vocab: true

在lora merge的时候使用
new_special_tokens: xxx, xxx
resize_vocab: true

那么merge之后的新模型的embed_tokens,lm_head是训练后的吧，还是base model的呢？
搜索了之前的帖子，没有找到解答

[lifeng7777]

补充一点，即使加了additional_target: embed_tokens,lm_head和resize_vocab: true参数进行lora训练，得到的adapter_config.json文件里面，target_modules中也没有embed_tokens,lm_head，我用别的框架训练的时候，target_modules中是有这两个参数的。
{ "alpha_pattern": {}, "auto_mapping": null, "base_model_name_or_path": "/xxxxx/Qwen2.5-7B-Instruct", "bias": "none", "fan_in_fan_out": false, "inference_mode": true, "init_lora_weights": true, "layer_replication": null, "layers_pattern": null, "layers_to_transform": null, "loftq_config": {}, "lora_alpha": 16, "lora_dropout": 0.0, "megatron_config": null, "megatron_core": "megatron.core", "modules_to_save": [ "embed_tokens", "lm_head" ], "peft_type": "LORA", "r": 8, "rank_pattern": {}, "revision": null, "target_modules": [ "k_proj", "gate_proj", "down_proj", "up_proj", "q_proj", "v_proj", "o_proj" ], "task_type": "CAUSAL_LM", "use_dora": false, "use_rslora": false }

[hiyouga]

@lifeng7777 modules_to_save 里面不是有吗

[qubingxin]

@katouHui 你好，请问你直接微调带<……>的数据，模型输出能输出该特殊标签吗？ 我这里遇到了同样的问题，请问你是怎么解决的？