BERT生成元描述报错__call__()意外接收max_length关键字参数

• 分词器类型不匹配警告是依赖版本不兼容导致：当前Colab环境默认安装的transformers、summarizer库版本和教程编写时的版本存在差异，默认加载的BART模型对应的分词器类没有被正确识别，该警告不会直接造成程序崩溃。
• 触发运行终止的核心原因是参数传递错误：你使用的Summarizers封装类的调用方法不接受max_length关键字参数，该参数不属于实例调用时的合法入参，因此抛出TypeError。另外你参考的教程使用的是抽取式BERT摘要器，本身就不支持通过max_length直接控制输出文本长度，这个参数是生成式Transformer模型pipeline的参数，和你当前调用的封装类接口不匹配。

1. 首先在Colab笔记本最开头添加依赖安装命令，固定兼容的库版本，解决分词器警告，执行完后重启Colab运行时：

pip install bert-extractive-summarizer==0.10.1 transformers==4.26.0 sentencepiece --quiet

2. 修改原有业务代码，调整参数传递逻辑，修正后的可运行代码如下：

from summarizer import Summarizer
# 初始化摘要模型
model = Summarizer()
# 抽取式摘要通过num_sentences控制输出句子数量，调整数值让最终输出长度在160字符左右即可
result = model(body, num_sentences=3)
full = ''.join(result)
print(full)

# 将结果存入列表
metadesc.append(full)
# 把结果写入DataFrame列
df['Meta Desc'] = metadesc
# 导出csv时加上index=False避免生成多余的索引列
output = df.to_csv('output.csv', index=False)

• 补充说明：如果你要使用生成式BART模型做摘要、需要用max_length严格控制输出长度，初始化模型时要把生成参数放在generation_kwargs配置里，示例如下：

from summarizer import Summarizer
model = Summarizer(
    model="facebook/bart-large-cnn",
    tokenizer="facebook/bart-large-cnn",
    generation_kwargs={"max_length": 160, "min_length": 60, "no_repeat_ngram_size": 2}
)
result = model(body)
full = ''.join(result)

内容的提问来源于stack exchange，提问作者nybergan