Transformers documentation

Evolla

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

Este modelo fue aportado a Hugging Face Transformers el 2025-07-26.

Evolla

Resumen

The Evolla model was proposed in Decoding the Molecular Language of Proteins with Evolla by Zhou et al..

Evolla es un modelo generativo de lenguaje proteico avanzado de 80 mil millones de parámetros diseñado para descifrar el lenguaje molecular de las proteínas. Integra información de secuencias, estructuras y consultas de usuario para generar información precisa y matizada en contexto sobre la función proteica. Entrenado con un conjunto de datos generado por IA sin precedentes de 546 millones de pares de preguntas y respuestas sobre proteínas y 150 mil millones de tokens de palabras, Evolla avanza significativamente la investigación en proteómica y genómica funcional, proporcionando información a nivel experto y esclareciendo la lógica molecular codificada en las proteínas.

El resumen del artículo es el siguiente:

Las proteínas, las intrincadas máquinas moleculares de la naturaleza, son el producto de miles de millones de años de evolución y desempeñan roles fundamentales en el mantenimiento de la vida. Sin embargo, descifrar su lenguaje molecular, es decir, comprender cómo las secuencias y estructuras de las proteínas codifican y determinan las funciones biológicas, sigue siendo un desafío fundamental en la biología moderna. Aquí presentamos Evolla, un modelo generativo de lenguaje de proteínas de frontera con 80 mil millones de parámetros, diseñado para descifrar el lenguaje molecular de las proteínas. Al integrar información de secuencias, estructuras y consultas de usuario, Evolla genera información precisa y con matices contextuales sobre la función de las proteínas. Una innovación clave de Evolla radica en su entrenamiento con un conjunto de datos generado por IA sin precedentes: 546 millones de pares de preguntas y respuestas sobre proteínas y 150 mil millones de tokens de palabras, diseñado para reflejar la inmensa complejidad y diversidad funcional de las proteínas. Después del preentrenamiento, Evolla integra la Optimización de Preferencia Directa (DPO) para refinar el modelo basándose en señales de preferencia y la Generación Aumentada por Recuperación (RAG) para la incorporación de conocimiento externo, mejorando la calidad y relevancia de las respuestas. Para evaluar su rendimiento, proponemos un marco novedoso, el Espacio de Respuesta Instructiva (IRS), que demuestra que Evolla ofrece información de nivel experto, avanzando la investigación en proteómica y genómica funcional, al tiempo que arroja luz sobre la lógica molecular codificada en las proteínas. La demostración en línea está disponible en http://www.chat-protein.com/.

Ejemplos:

processor = EvollaProcessor.from_pretrained("westlake-repl/Evolla-10B-DPO-hf")
model = EvollaForProteinText2Text.from_pretrained("westlake-repl/Evolla-10B-DPO-hf", device_map="auto")
# aa_seq should have same length as foldseek
protein_inputs = [
    {

        "aa_seq": "MATGGRRG...",
        "foldseek": "###lqpfd...", # hashtag means the low-confidence foldseek tokens
    },
    {
        "aa_seq": "MLPGLALL...",
        "foldseek": "dfwwkwad...",
    }
]
message_list = [
    [
        {
            "role": "system",
            "content": "You are an AI expert that can answer any questions about protein.",
        },
        {"role": "user", "content": "What is the function of this protein?"},
    ],
    [
        {
            "role": "system",
            "content": "You are an AI expert that can answer any questions about protein.",
        },
        {"role": "user", "content": "What is the function of this protein?"},
    ]
]
input_dict = processor(
    protein_inputs, messages_list, return_tensors="pt", text_max_length=512, protein_max_length=1024
)
with torch.no_grad():
    generated_ids = hf_model.generate(**input_dict)
generated_texts = processor.batch_decode(
    generated_ids, skip_special_tokens=True
)

Consejos:

Este modelo fue aportado por Xibin Bayes Zhou.
El código original se puede encontrar aquí.

EvollaConfig

clase transformers.EvollaConfig

< 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 = Noneprotein_encoder_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonevocab_size: int = 128256hidden_size: int = 4096intermediate_size: int = 14336num_hidden_layers: int = 32num_attention_heads: int = 32num_key_value_heads: int | None = 8hidden_act: str = 'silu'max_position_embeddings: int = 8192rms_norm_eps: float = 1e-05rope_parameters: transformers.modeling_rope_utils.RopeParameters | dict | None = Noneattention_bias: bool = Falseattention_dropout: float | int | None = 0.0mlp_bias: bool = Falsealigner_ffn_mult: int | None = 4aligner_enable_bias: bool | None = Truealigner_attention_probs_dropout_prob: float | None = 0.1aligner_num_add_layers: int | None = 8resampler_depth: int | None = 6resampler_dim_head: int | None = 64resampler_heads: int | None = 8resampler_num_latents: int | None = 64resampler_ff_mult: int | None = 4initializer_range: float = 0.02pad_token_id: int | None = Nonebos_token_id: int | None = 128000eos_token_id: int | list[int] | None = 128009use_cache: bool = Falsetie_word_embeddings: bool = Falseis_decoder: bool | None = Falseadd_cross_attention: bool | None = False )

Parámetros

protein_encoder_config (dict, opcional) — Diccionario de opciones de configuración utilizado para inicializar SaProtConfig.
vocab_size (int, opcional, valor predeterminado 128256) — Tamaño del vocabulario del modelo. Define el número de tokens diferentes que pueden representarse mediante input_ids.
hidden_size (int, opcional, valor predeterminado 4096) — Dimensión de las representaciones ocultas.
intermediate_size (int, opcional, valor predeterminado 14336) — Dimensión de las representaciones del MLP.
num_hidden_layers (int, opcional, valor predeterminado 32) — Número de capas ocultas en el decodificador del Transformer.
num_attention_heads (int, opcional, valor predeterminado 32) — Número de cabezas de atención para cada capa de atención en el decodificador Transformer.
num_key_value_heads (int, opcional, valor predeterminado 8) — Este es el número de cabezas key_value que se deben utilizar para implementar Grouped Query Attention. Si num_key_value_heads=num_attention_heads, el modelo utilizará Multi Head Attention (MHA); si num_key_value_heads=1, el modelo utilizará Multi Query Attention (MQA); en caso contrario, se utilizará GQA. Al convertir un checkpoint multi-head en un checkpoint GQA, cada cabeza de clave y valor del grupo debe construirse mediante el promediado (meanpooling) de todas las cabezas originales dentro de ese grupo. Para más detalles, consulta este artículo. Si no se especifica, el valor predeterminado será num_attention_heads.
hidden_act (str, opcional, valor predeterminado silu) — La función de activación no lineal (función o cadena) en el decodificador. Por ejemplo, "gelu", "relu", "silu", etc.
max_position_embeddings (int, opcional, valor predeterminado 8192) — La longitud máxima de secuencia con la que se podría utilizar este modelo.
rms_norm_eps (float, opcional, valor predeterminado 1e-05) — La epsilon utilizada por las capas de normalización rms.
rope_parameters (Union[~modeling_rope_utils.RopeParameters, dict], opcional) — Diccionario que contiene los parámetros de configuración para las incrustaciones RoPE. El diccionario debe contener un valor para rope_theta y, opcionalmente, parámetros utilizados para el escalado en caso de que desee usar RoPE con max_position_embeddings más largos.
attention_bias (bool, opcional, valor predeterminado False) — Si se debe usar un sesgo en las capas de proyección de consulta, clave, valor y salida durante la autoatención.
attention_dropout (Union[float, int], opcional, valor predeterminado 0.0) — La proporción de dropout para las probabilidades de atención.
mlp_bias (bool, opcional, valor predeterminado False) — Si se debe usar un sesgo en las capas up_proj, down_proj y gate_proj de las capas MLP.
aligner_ffn_mult (int, opcional, valor predeterminado 4) — El multiplicador de FFN para la capa de alineador.
aligner_enable_bias (bool, opcional, valor predeterminado True) — Si se debe usar sesgo en la capa de alineador.
aligner_attention_probs_dropout_prob (float, opcional, valor predeterminado 0.1) — La proporción de dropout para las probabilidades de atención en la capa de alineador.
aligner_num_add_layers (int, opcional, valor predeterminado 8) — El número de capas adicionales para la capa de alineador.
resampler_depth (int, opcional, valor predeterminado 6) — La profundidad de la capa de resampler en el modelo llama.
resampler_dim_head (int, opcional, valor predeterminado 64) — La dimensión de las cabeceras en la capa resampler del modelo llama.
resampler_heads (int, opcional, valor predeterminado 8) — El número de cabezas en la capa resampler del modelo llama.
resampler_num_latents (int, opcional, valor predeterminado 64) — El número de latentes en la capa resampler del modelo llama.
resampler_ff_mult (int, opcional, valor predeterminado 4) — El multiplicador de FFN para la capa de resampler.
initializer_range (float, opcional, valor predeterminado 0.02) — La desviación estándar del truncated_normal_initializer para inicializar todas las matrices de pesos.
pad_token_id (int, opcional) — Id del token utilizado para el relleno en el vocabulario.
bos_token_id (int, opcional, valor predeterminado 128000) — Identificador de token utilizado para el inicio de la secuencia en el vocabulario.
eos_token_id (Union[int, list[int]], opcional, valor predeterminado 128009) — Identificador de token utilizado para el fin de secuencia en el vocabulario.
use_cache (bool, opcional, valor predeterminado False) — Indica si el modelo debe devolver las últimas claves/valores de atención (no utilizado por todos los modelos). Solo es relevante si config.is_decoder=True o cuando el modelo es un modelo generativo solo de decodificador.
tie_word_embeddings (bool, opcional, valor predeterminado False) — Si se deben vincular las matrices de pesos de embeddings según el mapeo tied_weights_keys del modelo.
is_decoder (bool, opcional, valor predeterminado False) — Indica si el modelo se utiliza como decodificador o no. Si es False, el modelo se utiliza como codificador.
add_cross_attention (bool, opcional, valor predeterminado False) — Si se deben añadir capas de atención cruzada al modelo.

Esta es la clase de configuración para almacenar la configuración de un EvollaModel. Se utiliza para instanciar un modelo Evolla según los argumentos especificados, definiendo la arquitectura del modelo. Instanciar una configuración con los valores predeterminados producirá una configuración similar a la de westlake-repl/Evolla-10B-hf

Los objetos de configuración heredan de PreTrainedConfig y se pueden usar para controlar las salidas del modelo. Lea la documentación de PreTrainedConfig para obtener más información.

Ejemplo:

>>> from transformers import EvollaModel, EvollaConfig

>>> # Initializing a Evolla evolla-10b style configuration
>>> configuration = EvollaConfig()

>>> # Initializing a model from the evolla-10b style configuration
>>> model = EvollaModel(configuration)

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

EvollaModel

clase transformers.EvollaModel

< source >

( config: EvollaConfig )

forward

< source >

( input_ids: typing.Optional[torch.LongTensor] = Noneattention_mask: typing.Optional[torch.Tensor] = Noneposition_ids: typing.Optional[torch.LongTensor] = Nonepast_key_values: transformers.cache_utils.Cache | None = Noneinputs_embeds: typing.Optional[torch.Tensor] = Noneuse_cache: bool | None = Noneprotein_input_ids: typing.Optional[torch.LongTensor] = Noneprotein_attention_mask: typing.Optional[torch.Tensor] = Nonestructure_feats: typing.Optional[torch.Tensor] = Nonemsa_feats: typing.Optional[torch.Tensor] = Nonestructure_batch_mask: typing.Optional[torch.Tensor] = Nonemsa_batch_mask: typing.Optional[torch.Tensor] = None**kwargs ) → BaseModelOutputWithPast or tuple(torch.Tensor)

Parámetros

input_ids (torch.LongTensor de forma (batch_size, sequence_length), opcional) — Índices de los tokens de la secuencia de entrada en el vocabulario. El relleno se ignorará de forma predeterminada.
Los índices se pueden obtener usando AutoTokenizer. Consulte PreTrainedTokenizer.encode() y PreTrainedTokenizer.call() para más detalles.

¿Qué son los IDs de entrada?
attention_mask (torch.Tensor de forma (batch_size, sequence_length), opcional) — Máscara para evitar realizar atención en los índices de tokens de relleno. Valores de máscara seleccionados en [0, 1]:
- 1 para los tokens que no están enmascarados,
- 0 para los tokens que están enmascarados.
¿Qué son las máscaras de atención?
position_ids (torch.LongTensor de forma (batch_size, sequence_length), opcional) — Índices de las posiciones de los tokens de cada secuencia de entrada en los embeddings de posición. Seleccionados en el rango [0, config.n_positions - 1].
¿Qué son los IDs de posición?
past_key_values (~cache_utils.Cache, opcional) — Estados ocultos precalculados (claves y valores en los bloques de autoatención y en los bloques de atención cruzada) que se pueden usar para acelerar la decodificación secuencial. Esto generalmente consiste en la past_key_values devuelta por el modelo en una etapa anterior de la decodificación, cuando use_cache=True o config.use_cache=True.
Solo se permite una instancia de Cache como entrada, consulte nuestra guía de caché kv. Si no se pasan past_key_values, DynamicCache se inicializará de forma predeterminada.

El modelo generará el mismo formato de caché que se proporciona como entrada.

Si se utilizan past_key_values, se espera que el usuario introduzca únicamente los input_ids no procesados (aquellos que no tienen sus estados de clave y valor pasados proporcionados a este modelo) con forma (batch_size, unprocessed_length) en lugar de todos los input_ids con forma (batch_size, sequence_length).
inputs_embeds (torch.Tensor de forma (batch_size, sequence_length, hidden_size), opcional) — Opcionalmente, en lugar de pasar input_ids, puedes elegir pasar directamente una representación incrustada. Esto es útil si deseas tener más control sobre cómo convertir los índices de input_ids en los vectores asociados que en la matriz de búsqueda de incrustaciones interna del modelo.
use_cache (bool, opcional) — Si se establece en True, se devuelven los estados de clave-valor de past_key_values y pueden usarse para acelerar la decodificación (ver past_key_values).
protein_input_ids (torch.LongTensor, opcional) — Los IDs de entrada para la secuencia de proteína en tokens conscientes de la estructura. Debe tener la forma (batch_size, protein_seq_length) y el tipo torch.LongTensor.
protein_attention_mask (torch.Tensor, opcional) — La máscara de atención para la secuencia de proteína. Debe tener la forma (batch_size, protein_seq_length) y el tipo torch.Tensor.
structure_feats (torch.Tensor, opcional) — Los IDs de entrada para características basadas puramente en la estructura. Debe tener la forma (batch_size, structure_seq_length, structure_feat_dim) y el tipo torch.Tensor. Entrada ficticia por ahora.
msa_feats (torch.Tensor, opcional) — Los IDs de entrada para características basadas puramente en MSA. Debe tener la forma (batch_size, msa_seq_length, msa_feat_dim) y el tipo torch.Tensor. Entrada ficticia por ahora.
structure_batch_mask (torch.Tensor, opcional) — La máscara de lote para decidir qué secuencias de proteínas son puramente basadas en estructura. Debe tener forma (batch_size) y tipo torch.Tensor. Debe ir acompañada de structure_feats. Entrada ficticia por ahora.
msa_batch_mask (torch.Tensor, opcional) — La máscara de lote para decidir qué secuencias de proteínas son puramente basadas en MSA. Debe tener forma (batch_size) y tipo torch.Tensor. Debe ir acompañada de msa_feats. Entrada ficticia por ahora.

Devuelve

BaseModelOutputWithPast o tuple(torch.Tensor)

Un BaseModelOutputWithPast o una tupla de torch.Tensor (si se pasa return_dict=False o cuando config.return_dict=False) que comprende varios elementos según la configuración (None) y las entradas.

El método forward de EvollaModel sobrescribe el método especial __call__.

Aunque la receta para la pasada hacia adelante debe definirse dentro de esta función, se debe llamar a la instancia de Module después en lugar de a esta, ya que la primera se encarga de ejecutar los pasos de pre y postprocesamiento, mientras que la segunda los ignora silenciosamente.

last_hidden_state (torch.Tensor de forma (batch_size, sequence_length, hidden_size)) — Secuencia de estados ocultos en la salida de la última capa del modelo.

Si se utiliza past_key_values, solo se genera el último hidden-state de las secuencias con forma (batch_size, 1, hidden_size).
past_key_values (Cache, opcional, se devuelve cuando se pasa use_cache=True o cuando config.use_cache=True) — Es una instancia de Cache. Para más detalles, consulta nuestra guía de caché kv.

Contiene estados ocultos precalculados (claves y valores en los bloques de autoatención y, opcionalmente, si config.is_encoder_decoder=True, en los bloques de atención cruzada) que pueden utilizarse (véase la entrada past_key_values) para acelerar la decodificación secuencial.
hidden_states (tuple(torch.Tensor), opcional, devuelto cuando se pasa output_hidden_states=True o cuando config.output_hidden_states=True) — Tupla de torch.Tensor (una para la salida de las incrustaciones, si el modelo tiene una capa de incrustaciones, + una para la salida de cada capa) de forma (batch_size, sequence_length, hidden_size).

Estados ocultos del modelo en la salida de cada capa más las salidas opcionales de la incrustación inicial.
attentions (tuple(torch.Tensor), opcional, se devuelve cuando se pasa output_attentions=True o cuando config.output_attentions=True) — Tupla de torch.Tensor (una por cada capa) de forma (batch_size, num_heads, sequence_length, sequence_length).

Pesos de atención tras el softmax de atención, utilizados para calcular la media ponderada en las cabezas de autoatención.

EvollaForProteinText2Text

clase transformers.EvollaForProteinText2Text

< source >

( config: EvollaConfig )

forward

< source >

( input_ids: typing.Optional[torch.LongTensor] = Noneattention_mask: typing.Optional[torch.Tensor] = Noneinputs_embeds: typing.Optional[torch.Tensor] = Nonelabels: typing.Optional[torch.LongTensor] = Noneprotein_input_ids: typing.Optional[torch.LongTensor] = Noneprotein_attention_mask: typing.Optional[torch.Tensor] = Noneuse_cache: bool | None = Nonelogits_to_keep: typing.Union[int, torch.Tensor] = 0**kwargs )

Parámetros

input_ids (torch.LongTensor de forma (batch_size, sequence_length), opcional) — Índices de los tokens de la secuencia de entrada en el vocabulario. El relleno se ignorará de forma predeterminada.
Los índices se pueden obtener usando AutoTokenizer. Consulte PreTrainedTokenizer.encode() y PreTrainedTokenizer.call() para más detalles.

¿Qué son los IDs de entrada?
attention_mask (torch.Tensor de forma (batch_size, sequence_length), opcional) — Máscara para evitar realizar atención en los índices de tokens de relleno. Valores de máscara seleccionados en [0, 1]:
- 1 para los tokens que no están enmascarados,
- 0 para los tokens que están enmascarados.
¿Qué son las máscaras de atención?
inputs_embeds (torch.Tensor de forma (batch_size, sequence_length, hidden_size), opcional) — Opcionalmente, en lugar de pasar input_ids, puedes elegir pasar directamente una representación incrustada. Esto es útil si deseas tener más control sobre cómo convertir los índices de input_ids en los vectores asociados que en la matriz de búsqueda de incrustaciones interna del modelo.
labels (torch.LongTensor de forma (batch_size, sequence_length), opcional) — Etiquetas para calcular la pérdida de modelado de lenguaje enmascarado. Los índices deben estar en [0, ..., config.vocab_size] o ser -100 (ver la docstring de input_ids). Los tokens con índices establecidos en -100 se ignoran (enmascarados); la pérdida solo se calcula para los tokens con etiquetas en [0, ..., config.vocab_size].
protein_input_ids (torch.LongTensor, opcional) — Los IDs de entrada para la secuencia de proteína. Debe tener la forma (batch_size, protein_seq_length) y el tipo torch.LongTensor.
protein_attention_mask (torch.Tensor, opcional) — La máscara de atención para la secuencia de proteína. Debe tener la forma (batch_size, protein_seq_length) y el tipo torch.Tensor.
use_cache (bool, opcional) — Si se establece en True, se devuelven los estados de clave-valor de past_key_values y pueden usarse para acelerar la decodificación (ver past_key_values).
logits_to_keep (Union[int, torch.Tensor], opcional, valor predeterminado 0) — Si es un int, calcula los logits para los últimos logits_to_keep tokens. Si es 0, calcula los logits para todos los input_ids (caso especial). Solo se necesitan los logits del último token para la generación, y calcularlos solo para ese token puede ahorrar memoria, lo cual se vuelve bastante significativo para secuencias largas o un tamaño de vocabulario grande. Si es un torch.Tensor, debe ser de 1D y corresponder a los índices a conservar en la dimensión de longitud de secuencia. Esto es útil al usar el formato de tensor empaquetado (una sola dimensión para el lote y la longitud de secuencia).

El método forward de EvollaForProteinText2Text sobrescribe el método especial __call__.

Aunque la receta para la pasada hacia adelante debe definirse dentro de esta función, se debe llamar a la instancia de Module después en lugar de a esta, ya que la primera se encarga de ejecutar los pasos de pre y postprocesamiento, mientras que la segunda los ignora silenciosamente.

Ejemplo:

>>> from transformers import EvollaProcessor, EvollaForProteinText2Text
>>> model = EvollaForProteinText2Text.from_pretrained("westlake/Evolla-10B-hf")
>>> processor = EvollaProcessor.from_pretrained("westlake/Evolla-10B-hf")

>>> protein_information = {
    "aa_seq": "your amino acid sequence",
    "foldseek": "your foldseek sequence",
}
>>> question = "What is the function of this protein?"
>>> message = [
    {"role": "system", "content": "You are an AI expert that can answer any questions about protein."},
    {"role": "user", "content": question},
]

>>> inputs = processor(proteins=[protein_information], messages_list=[message], return_tensors="pt", padding="longest")
>>> outputs = model.generate(**inputs)

>>> print(processor.batch_decode(outputs, skip_special_tokens=True))

EvollaProcessor

clase transformers.EvollaProcessor

< source >

( protein_tokenizertokenizer = Noneprotein_max_length = 1024text_max_length = 512**kwargs )

Parámetros

protein_tokenizer (EsmTokenizer) — Una instancia de EsmTokenizer. El tokenizador de proteínas es una entrada obligatoria.
tokenizer (tokenizer_class) — El tokenizador es una entrada obligatoria.
protein_max_length (int, opcional, valor predeterminado 1024) — La longitud máxima de la secuencia que se generará.
text_max_length (int, opcional, valor predeterminado 512) — La longitud máxima del texto que se generará.

Construye un EvollaProcessor que envuelve un tokenizador de proteínas y un tokenizador en un único procesador.

EvollaProcessor ofrece todas las funcionalidades de {protein_tokenizer_class} y tokenizer_class. Consulte ~{protein_tokenizer_class} y ~tokenizer_class para obtener más información.

call

< source >

Parámetros

proteins (Union[List[dict], dict]) — Una lista de diccionarios o un único diccionario que contiene las siguientes claves:
- "aa_seq" (str) — La secuencia de aminoácidos de la proteína.
- "foldseek" (str) — La cadena foldseek de la proteína.
messages_list (Union[List[List[dict]], List[dict]]) — Una lista de listas de diccionarios o una lista de diccionarios que contienen las siguientes claves:
- "role" (str) — El rol del mensaje.
- "content" (str) — El contenido del mensaje.
protein_max_length (int, opcional, valor predeterminado 1024) — La longitud máxima de la secuencia que se generará.
text_max_length (int, opcional, valor predeterminado 512) — La longitud máxima del texto.
return_tensors (str o TensorType, opcional) — Si se establece, devolverá tensores de un marco de trabajo específico. Los valores aceptables son:
- 'pt': Devuelve objetos torch.Tensor de PyTorch.
- 'np': Devuelve objetos np.ndarray de NumPy.

Devuelve

un diccionario con las siguientes claves

protein_input_ids (torch.Tensor de forma (batch_size, sequence_length)) — Los IDs de entrada para la secuencia de proteína.
protein_attention_mask (torch.Tensor de forma (batch_size, sequence_length)) — La máscara de atención para la secuencia de proteína.
text_input_ids (torch.Tensor de forma (batch_size, sequence_length)) — Los IDs de entrada para la secuencia de texto.
text_attention_mask (torch.Tensor de forma (batch_size, sequence_length)) — La máscara de atención para la secuencia de texto.

Update on GitHub

←ernie4_5_vl_moe FastVLM→