问题描述

本人在使用vllm的openai接口部署llama3以及llama2时，出现了下面的模型输出结果：

可以看到上面的输出存在两点问题：

1. 输出中包含模型的eos_token_id信息；

2. 模型接着上一段开始自行组织多轮对话直到max_tokens.

解决方案

很简单，在openai的response中设置stop为相应模型的eos_token_id即可：

后记

因为学艺不精出现的一个弱智问题，特此记录。