Hugging Face发布Transformers v5.20.2补丁版，修复generate中多模态输入类型丢失问题
该版本由Cyrilvallez发布，共包含 4 个提交，涉及generate输入字典类型转换、bfloat16下专家梯度、VLM输入模态声明以及eager_mask的主机到设备拷贝。
AI解读：Transformers v5.20.2是一个补丁版本，发布说明列出的主要修复是generate中prepare_inputs_for_generation环节可能丢失部分输入的原始类型，进而影响多模态模型。
该版本包含 4 个提交：修复generate中的输入字典类型转换、修复专家并行且ep_size小于fsdp_size时bfloat16下专家梯度为零、为只报告文本的VLM声明输入模态、避免eager_mask中的一次主机到设备拷贝。
发布说明由Cyrilvallez撰写，仅列出本次修复的提交清单，没有提供受影响版本范围、回归测试结果或性能数据。
上述修复内容来自发布说明本身，属于维护方对变更的说明，未经过独立验证。
Hugging Face的Transformers项目发布v5.20.2补丁版本。发布说明称，该版本主要解决了generate中prepare_inputs_for_generation环节部分输入可能丢失原始类型的问题，这会对多模态模型造成影响。
v5.20.2包含的四个提交
发布说明由Cyrilvallez撰写，列出该补丁版本包含以下提交。
- Fix inputs dict casting in generate（#49731），作者 @Cyrilvallez。
- Fix zero expert gradients in bfloat16 with expert parallelism and ep_size < fsdp_size（#49688），作者 @qgallouedec。
- Declare the input modalities of the VLMs that report text only（#49677），作者 @qgallouedec。
- Avoid a host-to-device copy in eager_mask（#49684），作者 @hmellor。
发布说明交代的边界
发布说明只说明补丁解决了输入类型丢失问题，并列出其他修复提交，未给出受影响的版本区间、复现步骤或测试结果。因此，上述修复的实际覆盖范围，以及是否会对已有推理流程产生其他影响，需要以项目后续的代码与测试信息为准。