Version : v5.21.0

Ajouts de nouveaux modèles

MiniCPM-OCR

MiniCPM-OCR est un modèle de compréhension de documents issu de la famille MiniCPM-V d'OpenBMB. Il conserve l'architecture MiniCPM-V 4.6, qui associe un encodeur de vision SigLIP et un fusionneur à attention fenêtrée à un modèle de langage Qwen3.5. Il est spécialisé dans la lecture d'images à texte dense telles que des pages numérisées, des captures d'écran, des reçus et des tableaux.

Liens : Documentation | Article * Feat test (#49920) par @guarin dans #49920

Flint

Flint est le modèle de langage en mélange d'experts de Recursive. Comparé à un transformer MoE SwiGLU standard tel que Qwen3-MoE, il utilise une attention hybride (attention à fenêtre glissante avec embeddings rotatifs sur le token courant et les 512 tokens précédents dans la plupart des couches, et attention complète sans encodage positionnel dans les couches restantes). Il possède également des attention sinks appris, comme dans GPT-OSS, avec des requêtes et des clés normalisées par RMS par tête. Chaque couche éparses route un token vers 6 des 256 experts selon un score sigmoïde et ajoute un expert partagé sans gating, et les deux premières couches sont denses.

Liens : Documentation * Ajout de la prise en charge du modèle Flint. (#49824) par @lovishmadaan dans #49824

UltraVBert

UltraVBert étend ModernVBert en associant l'encodeur de texte UltraBERT à un encodeur de vision SigLIP pour la compréhension et la récupération de documents visuels. Son processeur d'images divise chaque page en tuiles de 512 pixels plus une vue globale. Le connecteur fusionne chaque bloc 4 x 4 de patches de vision en un seul token, de sorte qu'une tuile devient 64 tokens d'image, et les normalise par RMS à l'échelle des embeddings de tokens d'UltraBERT. Le max_image_tiles paramètre (27 par défaut) plafonne le nombre de tuiles par page.

Liens : Documentation * Ajout d'UltraVBERT (#49685) par @athrael-soju dans #49685

Gradium Phonon TTS

Gradium Phonon TTS est la famille de modèles de synthèse vocale embarqués de Gradium, entraînés avec la recette Pocket TTS. Un transformer causal lit une consigne vocale et le texte, puis émet un latent audio continu de dimension 32 par pas à 12.5 Hz via une tête de flux en une étape, et une tête de fin de parole décide quand l'énoncé se termine. Les latents sont décodés en audio 24 kHz par un tokenizer audio Pocket TTS. Contrairement à Pocket TTS, le conditionnement de la voix utilise des latents de dimension 512 issus d'un codec de locuteur distinct et non publié, de sorte que les voix sont fournies sous forme de latents précalculés et ne peuvent pas être clonées à partir d'un enregistrement.

Liens : Documentation * Ajout de GradiumPhononTTS (#49791) par @eustlb dans #49791

Pocket TTS

Pocket TTS est le modèle de synthèse vocale de Kyutai à 100M de paramètres, conçu comme un Continuous Audio Language Model qui s'exécute plus vite que le temps réel sur CPU. Un transformer causal émet un latent audio continu par trame (12.5 Hz) via une tête de flux en une étape, et une tête de fin de parole décide quand s'arrêter. Un tokenizer audio basé sur Mimi encode les consignes vocales et décode les latents générés en audio 24 kHz. Deux têtes de flux sont publiées, la auto-distillation lagrangienne (par défaut) et drifting, et les voix peuvent être clonées à partir d'un enregistrement, fournies sous forme de latents précalculés, ou chargées à partir d'états KV en cache.

Liens : Documentation | Article scientifique | Article de blog * ajout de PocketTTS (#49589) par @eustlb dans #49589

Pocket TTS Audio Tokenizer

Le tokenizer audio de Pocket TTS est le codec utilisé par Pocket TTS. Il repose sur l'architecture de Mimi (convolutions SEANet plus un petit transformer causal de chaque côté), mais son vector quantizer résiduel est remplacé par un bottleneck continu à 32 dimensions, le VAE-GAN de Continuous Audio Language Models. Il convertit l'audio 24 kHz en latents à 12,5 Hz et les décode à nouveau en audio. Il sert de audio_tokenizer à PocketTTSProcessor, encodant les prompts vocaux et décodant les latents générés, et son encodeur et son décodeur peuvent également être chargés séparément.

Liens : Documentation | Article scientifique * ajout de PocketTTSAudioTokenizer (#49588) par @eustlb dans #49588

Changements majeurs

Correction des imports du processeur Gemma4 (les processeurs Gemma4, Gemma4 unified et EmbeddingGemma2) afin que from transformers import * ne échoue plus dans les environnements qui disposent de PIL mais pas de torch; aucune action de l'utilisateur n'est nécessaire. * :rotating_light: Correction des imports croisés de gemma4 entraînant un échec d'import sans torch mais avec PIL (#49748) par @Sai-Suraj-27

Ajout d'un backend "fp8" à QuantizedCache, aux côtés de quanto et hqq, qui stocke les états KV dans torch.float8_e4m3fn avec une seule échelle par tenseur ; activez-le avec cache_implementation="quantized" et cache_config={"backend": "fp8"}. * 🚨Ajout d'un backend FP8 à QuantizedCache (#48677) par @jiqing-feng

Le parallélisme des tenseurs dispose désormais d'un style dédié pour les embeddings, divise par défaut les embeddings d'entrée de chaque modèle, et prend en charge les largeurs non divisibles par la taille TP, de sorte que ColwiseParallel et RowwiseParallel ne s'appliquent désormais qu'aux couches linéaires ; les plans TP personnalisés qui les appliquaient aux embeddings doivent passer au nouveau style d'embedding. * 🚨 TP : donner aux embeddings leur propre style, diviser les embeddings d'entrée par défaut et diviser les largeurs qui ne divisent pas par la taille TP (#49570) par @IlyasMoutawwakil

Chaque plan MoE TP et EP shard désormais ses experts, de sorte que les modèles ne conservent plus tous les experts sur chaque rank, et un nouveau test_moe_parallel_plans_shard_experts test le vérifie ; les plans MoE parallèles personnalisés ou en aval doivent ajouter le sharding des experts pour passer ce test et éviter le gaspillage mémoire. * 🚨 MoE : sharder les experts dans chaque plan TP/EP, avec test associé (#49206) par @IlyasMoutawwakil

Cache

Cette version améliore la gestion du cache dans toute la bibliothèque. Flash Attention fonctionne désormais avec les caches statiques, BLOOM ne plante plus avec un cache statique ou un generate compilé, le prefill par morceaux prend en charge la continuation du cache, et l'historique de positions de l'indexeur Qwen4-Exp reste aligné avec ses clés en cache. Les caches à attention linéaire gagnent également de nouveaux getters (is_recording_past, get_recurrent_state, accès à l'état conv) qui cessent d'exposer les internes du cache et préparent le cache paginé

• [FA] Fix FA avec cache statique (#49998) par @Cyrilvallez dans [#49998]
• [docs] Comportement du cache CB (#49025) par @stevhliu dans [#49025]
• [CB] Réduire le temps de warmup en ne calculant pas l'attention sur tout le cache (#49853) par @remi-or dans [#49853]
• Corriger le cycle de vie du cache de positions de l'indexeur Qwen4-Exp (#49840) par @taking-lying-flat dans [#49840]
• [Cache] Cache d'attention linéaire : utiliser les nouveaux getters (#49375) par @remi-or dans [#49375]
• [Cache] Récupérer les états conv (#49309) par @remi-or dans [#49309]
• [Cache] Ajouter get_recurrent_state (#49306) par @remi-or dans [#49306]
• [Cache] Ajouter is_recording_past (#49305) par @remi-or dans [#49305]
• Corriger le plantage de BLOOM avec cache statique / generate compilé (#49481) par @kaixuanliu dans [#49481]
• Autoriser la continuation du Cache pour le prefill par morceaux (#49662) par @Cyrilvallez dans [#49662]

Vision

Les processeurs d'images de vision composent désormais la transparence PNG sur du blanc au lieu d'exposer des pixels noirs, et background_color est préservé correctement dans les processeurs DeepSeek-VL et Janus. Les corrections de modèles couvrent inputs_merger de SmolVLM lorsque les tokens d'image ne sont pas un multiple de la taille de patch, l'attribution d'images de HunYuan-VL lors du beam search par lots, et le sharding des experts d'Ernie4.5-VL-MoE sous TP/EP. Le DETR

• Composer la transparence dans la conversion RGB partagée et les processeurs d'images (#49079) par @Nikhi00718 dans [#49079]
• [Fetcher] Corriger les dépendances de test manquantes pour les processeurs d'images résolus dynamiquement (#49826) par @ydshieh dans [#49826]
• fix(vision) : Faire passer les scripts de conversion DETR par from_pretrained (#49830) par @harshaljanjani dans [#49830]
• Corriger la gestion de background_color dans les processeurs d'images DeepSeek-VL et Janus (#49767) par @tritsystem dans [#49767]
• Déplacer l'image docker MI300 vers ROCm 10.1 et mettre à jour les attentes des tests (#49460) par @Abdennacer-Badaoui dans [#49460]
• docs : corriger la grammaire « allows to » dans la documentation Vision Encoder Decoder (#48730) par @mrchatam dans [#48730]
• Correction du runner SSH : ajout de /opt/venv/bin au PATH pour les images Python 3.11 (#49759) par @ydshieh dans [#49759]
• Correction de inputs_merger de SmolVLM lorsque les tokens d'image ne sont pas un multiple de patch_size (#49725) par @albertvillanova dans [#49725]
• Ernie4.5-VL-MoE : partitionnement des experts texte et vision sous TP et EP (#49462) par @IlyasMoutawwakil dans [#49462]
• Correction de l'assignation d'image de HunYuan-VL lors de la génération par lots (#49557) par @Arnav66692 dans [#49557]

Génération

Cette version corrige un ensemble de bugs de génération : les crashs de BLOOM avec un cache statique ou un generate compilé, generate l'abandon du type des entrées de type dict telles que ModelOutput, ainsi qu'une assignation d'image ou une gestion des placeholders incorrectes dans la génération par lots ou beam-search pour HunYuan-VL et Idefics2/3. Elle corrige également la gestion du mode de génération audio de Qwen3-Omni, les crops multi-zoom de génération de masques de SAM, l'échantillonnage de frames vides

• fix : éviter l'échantillonnage de frames vides pour les vidéos courtes (#49908) par @BlazeSR10hawk dans [#49908]
• Correction des séparateurs de chemins Windows qui cassaient les imports relatifs des modules custom-generate du Hub (#48951) par @dltsum dans [#48951]
• Correction des crops multi-zoom dans le pipeline de génération de masques de SAM et bugs associés (Corrige #35530) (#49689) par @stlukyanenko dans [#49689]
• mise à jour de la documentation du speculative decoding (#49697) par @merveenoyan dans [#49697]
• correction des problèmes de génération d'idefics3 (#49738) par @molbap dans [#49738]
• correction des tests pour la génération (#49740) par @molbap dans [#49740]
• Correction du cast du dictionnaire d'entrées dans generate (#49731) par @Cyrilvallez dans [#49731]
• [fix][Qwen3-Omni] Respect de generation_mode dans la génération audio (#49505) par @Sunt-ing dans [#49505]

Parallélisation

Cette version étend la prise en charge du parallélisme et corrige plusieurs bugs associés. Elle ajoute un plan de parallélisme de tenseurs pour Nemotron et fait en sorte qu'Ernie4.5-VL-MoE partitionne ses experts texte et vision sous TP et EP. Elle restaure également les gradients de dispatch de tokens en parallélisme d'experts sur torch 2.7–2.10, corrige une incohérence de device en modèle-parallèle de Molmo2 et corrige base_model_prefix dans plusieurs familles de modèles (détecteurs PP-OCR

• Ajout d'un plan de parallélisme de tenseurs pour Nemotron (#48780) par @Siddhant231xyz dans [#48780]
• correction du bug de modèle parallèle pour le modèle molmo2 (#49816) par @kaixuanliu dans [#49816]
• Correction de base_model_prefix dans les détecteurs PP-OCR et les têtes CLIPSeg, TimesFM, CLIP et VideoPrafism afin que les checkpoints de base se chargent (#48871) par @blipbyte dans [#48871]
• Correction des gradients de dispatch de tokens en parallélisme d'experts sur torch 2.7 à 2.10 (#49710) par @digit50 dans [#49710]
• Ignorer Muse TP (#49717) par @remi-or dans [#49717]

Quantification

La quantification gère désormais correctement les experts FP4 de DeepSeek-V4.1 : FineGrainedFP8Config gagne une expert_dtype option ("fp8" par défaut, ou "fp4") que les experts FP8 lisent au lieu de les allouer en FP8. TimesFM 2.5 ne caste plus les entrées float vers un dtype de poids entier lorsqu'il est chargé avec une quantification telle que bitsandbytes 4/8-bit. Un nettoyage plus large

• FP8 à granularité fine : expert_dtype de DeepSeek-V4 dans la configuration de quantification (#49848) par @IlyasMoutawwakil dans [#49848]
• Correction du cast de dtype dans ResidualBlock de TimesFM 2.5 pour les poids quantifiés (#46942) par @JOhnsonKC201 dans [#46942]
• Quantization cleanpup (#49548) par @ArthurZucker dans [#49548]

Corrections de bugs et améliorations

• [Fix] Correction de la liaison des embeddings du codebook CSM (#49197) par @orrangetabby17 dans [#49197]
• [tests_fetcher] correction du .as_posix() manquant dans les clés de chemin de preprocessor_patterns (#49994) par @ydshieh dans [#49994]
• fix(ci) : ignorer la suggestion du bot si un maintainer a déjà posté run-slow : (#49992) par @ydshieh dans [#49992]
• [loading] Permettre à Renaming et Converter de fonctionner sur les mêmes sous-clés (#49928) par @Cyrilvallez dans [#49928]
• [Fix] Correction de la détection NUMA et cpuset dans CB (#49980) par @remi-or dans [#49980]
• [Refactor] Faire dépendre les utilitaires CB d'aucun import CB (#49968) par @remi-or dans [#49968]
• chore : améliorer le typage dans modeling_rope_utils.py (#49831) par @RyanMullins dans [#49831]
• is_fouroversix_available() renvoyait un tuple (available, version). Ev… (#49894) par @sywangyi dans [#49894]
• Correspondre à une entrée de skip-list depuis le début uniquement jusqu'à une frontière de module (#49771) par @IlyasMoutawwakil dans [#49771]
• [pocket_tts, gradium_phonon_tts] utiliser sub_configs_defaults (#49868) par @eustlb dans [#49868]
• Corrige une incompatibilité de dtype dans le test flash_attn (#49912) par @kaixuanliu dans [#49912]
• [Fix] Supprimer une affectation en double dans la config DeepseekV3.2 (#49896) par @remi-or dans [#49896]
• ajouter des attentes XPU pour 4 nouveaux tests de modèles (#49815) par @kaixuanliu dans [#49815]
• Rendre les sub-config-defaults plus simples (#49906) par @zucchini-nlp dans [#49906]
• Corriger un bug d'indice hors limites dans le modèle musicgen_melody (#49842) par @kaixuanliu dans [#49842]
• test : ajouter une vérification de parité au test de continuous batching CPU-only (#49728) par @nrenvo dans [#49728]
• [CB] Réduire max_memory_percent dans le cas d'un modèle CPU (#49844) par @remi-or dans [#49844]
• Améliorer la clarté et la grammaire de la documentation des Auto Classes (#44550) par @himani27301 dans [#44550]
• [gradium_phonon_tts] pointer vers les dépôts Hub publiés (#49867) par @eustlb dans [#49867]
• [EmbeddingGemma2] mettre à jour les tests d'intégration (#49576) par @eustlb dans [#49576]
• Corriger un commentaire (#44872) par @IvanFan-Van dans [#44872]
• Corriger torch.float64 codé en dur qui plantait sur MPS (#46723) (#46730) par @Abhijeet1815 dans [#46730]
• correction du workflow de métadonnées (#49854) par @vasqu dans [#49854]
• docs(whisper) : convertir les input features dans le dtype du modèle dans l'exemple AutoModel (#49837) par @Kayvan-Zahiri dans [#49837]
• Corriger torch_float qui convertissait en int au lieu de float (#47468) par @rahulrshetty45 dans [#47468]
• Passer la version Python minimale à 3.11 (#49251) par @Sai-Suraj-27 dans [#49251]
• ignorer sdpa_can_dispatch_on_flash les tests pour 3 modèles (#49809) par @kaixuanliu dans [#49809]
• [LED][Longformer] Remplacer la boucle for par unfold dans le chemin d'export ONNX de _chunk (#46169) par @guinik dans [#46169]
• masque booléen logits_to_keep pour toutes les classes ForXXX (#48825) par @jp1924 dans [#48825]
• Corriger plusieurs modèles de détection d'objets / correction du loader pour le module tying (#49827) par @molbap dans [#49827]
• Corriger les processeurs de logits de l'encodeur lorsque les encoder_outputs précalculés manquent d'identifiants de tokens (#49696) par @kunalsanga dans [#49696]
• Différer certains imports (#49663) par @jayzuccarelli dans [#49663]
• refactoriser la perte CTC (#49833) par @ebezzam dans [#49833]
• Ajouter l'CI Intel XPU (#49254) par @regisss dans [#49254]
• fix(mask2former) : enregistrer input_projections comme nn.ModuleList (corrige #49698) (#49703) par @Omarinho12345 dans [#49703]
• Ne lier les têtes du décodeur MM Grounding DINO que lorsque la config les partage (#49552) par @ dans [#49552]
• [Docs] Ajout de la traduction en marathe (मराठी) du README (#48746) par @shreeyadav06 dans [#48746]
• Correction de CLVP c_proj residual scaled-init silencieusement jamais appliquée (#47478) par @ShamSaleem dans [#47478]
• correction des cas de test échoués pour le modèle unlimited_ocr (#49806) par @kaixuanliu dans [#49806]
• Correction de l'environnement transformers quand requests n'est pas installé (#48412) par @panshularora dans [#48412]
• Application de l'orientation EXIF dans load_image_as_tensor avec torchvision (#49794) par @digit50 dans [#49794]
• Correction du test du processeur Fuyu (#49821) par @zucchini-nlp dans [#49821]
• utilisation de torchcodec-xpu et mise à niveau de torch vers 2.14.1 (#49814) par @sywangyi dans [#49814]
• mise à jour de certains cas pour ajouter les attentes xpu (#49807) par @sywangyi dans [#49807]
• [serge] Correction de 2 tests d'intégration régressés par le commit c48824e84024 (PR #49404) (#49705) par @sergereview[bot] dans [#49705]
• docs : correction de l'OOM/hang pour les modèles Qwen à résolution dynamique en définissant min_pixels et max_pixels (#46007) par @poojansatani dans [#46007]
• docs : correction de la grammaire « allows to » dans la documentation de DPT (#48728) par @mrchatam dans [#48728]
• docs : correction de la grammaire « allows to » dans la documentation de LiLT (#48731) par @mrchatam dans [#48731]
• docs : correction du formatage du prompt et de l'alignement du code dans la documentation du modèle Gemma (#48775) par @Rattan344 dans [#48775]
• docs : correction d'une faute de grammaire dans la fiche du modèle ALBERT (#48774) par @Rattan344 dans [#48774]
• Dépréciation des anciens noms d'entrées (#49424) par @zucchini-nlp dans [#49424]
• Correction du NameError dans les workflows de commentaires CI : variables de marqueurs de section manquantes (#49801) par @ydshieh dans [#49801]
• [CI] Amélioration des commentaires run-slow des PR et suppression du récapitulatif CI (#49782) par @ydshieh dans [#49782]
• Affichage de la version réelle d'accelerate pour transformers env (#49668) par @Sai-Suraj-27 dans [#49668]
• [CI] correction de l'ancienne régression perceriver (#49792) par @molbap dans [#49792]
• capture de sortie mimi moshi (#49670) par @eustlb dans [#49670]
• Suppression de l'échec attendu Whisper MIC résolu du prototype (#49785) par @tarekziade dans [#49785]
• Correction du RoPE texte de CohereCompass pour utiliser le M-RoPE entrelacé de Qwen3-VL (#49715) par @mmangkad dans [#49715]
• Alias thinking -> reasoning_content (#49535) par @Rocketknight1 dans [#49535]
• [vLLM] Ajout des modèles Thinker de base Qwen-Omni et des entrées par couche de Gemma 3n (#49437) par @harshaljanjani dans [#49437]
• Mise à jour des références et de la documentation de la flotte MIC (#49768) par @tarekziade dans [#49768]
• [CI] pas de modules séparés pour SAM (#49766) par @molbap dans [#49766]
• Activation des tests oubliés dans idefics3 (#49758) par @molbap dans [#49758]
• Correction de l'étape backbone de tests_fetcher (n'a jamais fonctionné depuis son introduction) (#49742) par @ydshieh dans [#49742]
• [modular] Extension du motif « del self.xxx » pour correspondre aux affectations typées (#49735) par @remi-or dans [#49735]
• Ajout Xpu (#49757) par @sywangyi dans [#49757]
• Dépréciation de l'affectation rope_scaling et normalisation des clés RoPE héritées (#49515) par @jinwukong dans [#49515]
• Rendre longrope compilable (#49555) par @jiqing-feng dans [#49555]
• Correction d'un bug de câblage stack_frames > 1 dans MiniCPMV4_6VideoProcessor (#49752) par @airlsyn dans [#49752]
• correction des tests en échec de moshi (#49750) par @eustlb dans [#49750]
• [docs] Gaudi (#49618) par @stevhliu dans [#49618]
• [serge] Correction de 2 tests d'intégration pour le modèle convnextv2 en échec avec output_mismatch (valeurs de tenseurs différentes (2)) (#48838) par @sergereview[bot] dans [#48838]
• [serge] Correction de 2 tests d'intégration pour le modèle eomt_dinov3 en échec avec output_mismatch (valeurs de tenseurs différentes (2)) (#48882) par @sergereview[bot] dans [#48882]
• [serge] Correction de 4 tests d'intégration pour le modèle lw_detr en échec avec output_mismatch (valeurs de tenseurs différentes (4)) (#49040) par @sergereview[bot] dans [#49040]
• [serge] Correction de 2 tests d'intégration pour le modèle nemotron en échec avec output_mismatch (sortie de liste différente (2)) (#48945) par @sergereview[bot] dans [#48945]
• correction multi-device pour molmo2 (#49736) par @molbap dans [#49736]
• Correction du reste des VLM (#49720) par @zucchini-nlp dans [#49720]
• Correction du ValueError lors du chargement deux fois d'un checkpoint avec fusion activée (#49412) par @kaixuanliu dans [#49412]
• Éviter une copie host-to-device dans eager_mask (#49684) par @hmellor dans [#49684]
• is_tracing() reconnaît désormais la capture de flux XPU, en plus de l'exista… (#49722) par @sywangyi dans [#49722]
• Documenter comment éviter le préfixe Metaspace après les tokens ajoutés (#45822) par @qflen dans [#45822]
• Déclarer les modalités d'entrée des VLM qui rapportent uniquement du texte (#49677) par @qgallouedec dans [#49677]
• Correction des gradients zero expert en bfloat16 avec parallélisme d'experts et ep_size < fsdp_size (#49688) par @qgallouedec dans [#49688]
• Correction de la sélection de tests pour les imports de modules virtuels (#49690) par @tarekziade dans [#49690]
• [docs] ajout d'un guide matériel Google TPU (#49642) par @tengomucho dans [#49642]
• Copier les arguments par défaut du parseur de réponses (#49370) par @Rocketknight1 dans [#49370]
• Faire fonctionner DtensorShardOperation sur torch 2.6 et 2.7 (#49657) par @hazelxue dans [#49657]
• Correction de from_pretrained sur torch 2.7 : exiger torch>=2.8 pour le checkpointing distribué (#49652) par @naveecode dans [#49652]
• Correction de DeepGEMM Mega MoE sous parallélisme d'experts (#49428) par @IlyasMoutawwakil dans [#49428]
• Correction des tests Evolla instables produisant des sorties NaN (#49660) par @tarekziade dans [#49660]
• [rocm] Ajout des attentes ROCm au test de logits de Kolibri-1 (#49661) par @ericschreiber dans [#49661]
• [CB] Diverses petites corrections pour MPS (#49654) par @remi-or dans [#49654]
• Aligne les attentes des tests avec le chemin d'accélérateur testé : (#49653) par @sywangyi dans [#49653]
• [docs] Configuration du processeur (#49643) par @stevhliu dans [#49643]
• Trucs post-release (#49646) par @vasqu dans [#49646]

Contributions communautaires significatives

Les contributeurs suivants ont apporté des changements significatifs à la bibliothèque depuis la dernière version :

• @ydshieh
  • [tests_fetcher] correction de .as_posix() manquant dans les clés de chemin de preprocessor_patterns (#49994)
  • fix(ci) : ignorer la suggestion du bot si un mainteneur a déjà publié run-slow : (#49992)
  • [Fetcher] Correction des dépendances de test manquantes pour les processeurs d'images résolus dynamiquement (#49826)
  • Corriger NameError dans les workflows de commentaires CI : variables de marqueurs de section manquantes (#49801)
  • [CI] Améliorer les commentaires de PR run-slow et supprimer le récapitulatif CI (#49782)
  • Corriger l'étape backbone de tests_fetcher (n'a jamais fonctionné depuis son introduction) (#49742)
  • Corriger le runner SSH : ajouter /opt/venv/bin au PATH pour les images Python 3.11 (#49759)
• @remi-or
  • [Fix] Corriger la détection NUMA et cpuset dans CB (#49980)
  • [Refactor] Faire en sorte que les utilitaires CB ne dépendent d'aucun import CB (#49968)
  • [Fix] Supprimer l'affectation dupliquée dans la config DeepseekV3.2 (#49896)
  • [CB] Réduire le temps de warmup en ne calculant pas l'attention sur tout le cache (#49853)
  • [CB] Réduire le max_memory_percent dans le cas d'un modèle CPU (#49844)
  • [modular] Étendre le motif "del self.xxx" pour couvrir les affectations typées (#49735)
  • [Cache] Cache d'attention linéaire : utiliser les nouveaux getters (#49375)
  • [Cache] Obtenir les états conv (#49309)
  • [Cache] Ajouter get_recurrent_state (#49306)
  • [Cache] Ajouter is_recording_past (#49305)
  • [Kernels] Ajouter MPS aux types de périphériques pris en charge (#49655)
  • Ignorer Muse TP (#49717)
  • [CB] Diverses petites corrections pour MPS (#49654)
• @Nikhi00718
  • Transparence composite dans la conversion RGB partagée et les processeurs d'images (#49079)
• @eustlb
  • [pocket_tts, gradium_phonon_tts] utiliser sub_configs_defaults (#49868)
  • [gradium_phonon_tts] pointer vers les dépôts Hub publiés (#49867)
  • [EmbeddingGemma2] mettre à jour les tests d'intégration (#49576)
  • Ajouter GradiumPhononTTS (#49791)
  • ajouter PocketTTS (#49589)
  • ajouter PocketTTSAudioTokenizer (#49588)
  • 🟡 [mimi] séparer l'encodeur et le décodeur (#49577)
  • capture de sortie mimi moshi (#49670)
  • corriger les tests en échec de moshi (#49750)
• @jp1924
  • logits_to_keep masque booléen pour toutes les classes ForXXX (#48825)
• @molbap
  • Correction de plusieurs modèles de détection d'objets / correction du loader pour le module tying (#49827)
  • [CI] correction d'une ancienne régression perceriver (#49792)
  • [CI] pas de split modules pour SAM (#49766)
  • Réactivation de tests oubliés dans idefics3 (#49758)
  • Correction de problèmes de génération dans idefics3 (#49738)
  • Correction des tests pour la génération (#49740)
  • Correction multi-device pour molmo2 (#49736)
• @athrael-soju
  • Ajout d'UltraVBERT (#49685)
• @harshaljanjani
  • fix(vision) : faire passer les scripts de conversion DETR par from_pretrained (#49830)
  • fix(audio) : faire passer les scripts de conversion ALM par from_pretrained (#48525)
  • [vLLM] Ajout des modèles Qwen-Omni Thinker de base et des entrées par couche de Gemma 3n (#49437)
• @lovishmadaan
  • Ajout de la prise en charge du modèle Flint. (#49824)
• @tarekziade
  • Suppression de l'échec attendu résolu du prototype Whisper MIC (#49785)
  • Mise à jour des références de la flotte MIC et de la documentation (#49768)
  • Nettoyage des tests de tokenizer (#49669)
  • Correction de la sélection des tests pour les imports de modules virtuels (#49690)
  • Correction des tests Evolla instables produisant des sorties NaN (#49660)
• @yonigozlan
  • Correction d'un petit bug dans les mappings auto (#49664)
• @ArthurZucker
  • Nettoyage de la quantization (#49548)