Hidden State Extraction

Hidden State Extraction (히든 스테이트 추출)

Hidden State Extraction 기능을 사용하면 vLLM이 추론 중에 타깃 모델의 중간 레이어 활성화(intermediate layer activations)를 저장할 수 있어요. 이는 EAGLE 스타일 드래프트 모델 학습이나 지식 증류(knowledge distillation), 모델 내부의 오프라인 분석에 유용해요.

출처: 문서

본문

참고: num_hidden_layers를 레이어 id로 전달하면 마지막 레이어의 출력 히든 스테이트를 저장할 수 있어요. 단, 이 값은 output norm으로 정규화되지 않는다는 점에 주의하세요.

오프라인 예시

import tempfile

from vllm import LLM, SamplingParams
from vllm.config.kv_transfer import KVTransferConfig
from vllm.distributed.kv_transfer.kv_connector.v1 import (
    example_hidden_states_connector,
)

with tempfile.TemporaryDirectory() as tmpdir:
    llm = LLM(
        model="Qwen/Qwen3-8B",
        speculative_config={
            "method": "extract_hidden_states",
            "num_speculative_tokens": 1,
            "draft_model_config": {
                "hf_config": {
                    "eagle_aux_hidden_state_layer_ids": [1, 2, 3, 4],
                },
            },
        },
        kv_transfer_config=KVTransferConfig(
            kv_connector="ExampleHiddenStatesConnector",
            kv_role="kv_producer",
            kv_connector_extra_config={
                "shared_storage_path": tmpdir,
            },
        ),
    )

    outputs = llm.generate(
        ["The future of AI is"],
        SamplingParams(max_tokens=1),
    )

    for output in outputs:
        path = output.kv_transfer_params["hidden_states_path"]
        obj = example_hidden_states_connector.load_hidden_states(path)
        print(f"token_ids: {obj['token_ids'].shape}")
        print(f"hidden_states: {obj['hidden_states'].shape}")

완전한 예시는 examples/features/speculative_decoding/extract_hidden_states_offline.py에서 볼 수 있어요.

온라인 예시

성능 향상을 위해 온라인 사용에서는 클라이언트가 파일을 생성 직후 정리하는 /dev/shm/ 같은 RAM 마운트 파일 시스템을 권장해요.

vllm serve Qwen/Qwen3-8B \
    --speculative_config '{"method": "extract_hidden_states", "num_speculative_tokens": 1, "draft_model_config": {"hf_config": {"eagle_aux_hidden_state_layer_ids": [1, 2, 3, 4]}}}' \
    --kv_transfer_config '{"kv_connector": "ExampleHiddenStatesConnector", "kv_role": "kv_producer", "kv_connector_extra_config": {"shared_storage_path": "/dev/shm/hidden_states"}}'

요청별 옵션

오프라인과 온라인 모드 모두 kv_transfer_params를 통해 요청별 옵션을 지원해요:

Parameter	Default	설명
`hidden_states_path`	자동 생성	히든 스테이트를 저장할 커스텀 파일 경로. 설정하지 않으면 `<shared_storage_path>/<request_id>.safetensors`로 저장. 서버 config에서 `allow_custom_save_path` 활성화 필요
`include_output_tokens`	False	`True`면 프롬프트와 생성된 출력 토큰 모두의 히든 스테이트를 저장. `False`면 프롬프트 토큰 히든 스테이트만 저장

오프라인 사용법

SamplingParams의 extra_args를 통해 요청별 옵션을 전달해요:

SamplingParams(
    max_tokens=32,
    extra_args={
        "kv_transfer_params": {
            "hidden_states_path": "/tmp/my_output.safetensors",
            "include_output_tokens": True,
        }
    },
)

온라인 사용법

API 요청의 최상위 필드로 kv_transfer_params를 전달해요:

{
    "model": "Qwen/Qwen3-8B",
    "messages": [{"role": "user", "content": "Hello"}],
    "max_tokens": 32,
    "kv_transfer_params": {
        "hidden_states_path": "/tmp/my_output.safetensors",
        "include_output_tokens": true
    }
}

설정

kv_connector_extra_config 딕셔너리는 서버 레벨 옵션을 받아요:

Parameter	Default	설명
`shared_storage_path`	/tmp	히든 스테이트 파일을 저장할 디렉터리 (요청별 `hidden_states_path`가 설정되지 않았을 때 사용)
`allow_custom_save_path`	False	API 클라이언트가 `hidden_states_path`로 커스텀 파일 경로를 지정할 수 있게 허용. 비활성화 시 클라이언트 제공 경로는 경고와 함께 무시. 커스텀 경로는 서버의 임의 위치에 쓸 수 있으므로 신뢰할 수 있는 클라이언트에서만 활성화
`num_writer_threads`	8	비동기 디스크 쓰기를 위한 스레드 풀 크기
`use_synchronization_lock`	True	파일 잠금을 사용해 동시 읽기가 쓰기가 끝날 때까지 블록되도록 함. 동기화가 필요 없는 배치 생성에서는 비활성화 가능

출력 형식

각 요청은 다음을 포함하는 .safetensors 파일을 생성해요:

hidden_states — 형태 [num_tokens, num_extracted_layers, hidden_size]
token_ids — 형태 [num_tokens]

파일 경로는 output.kv_transfer_params["hidden_states_path"]로 반환돼요. 적절한 동기화와 함께 파일을 읽으려면 connector 모듈의 load_hidden_states()를 사용하세요.

참고: Chunked prefill은 이 기능과 호환되지 않으므로 비활성화해야 해요.

Hidden State Extraction