Hugging Face Transformers: thư viện định nghĩa mô hình và cách ứng dụng nội bộ
Đăng ngày 12/10/2026
Mục lục bài nghiên cứu
Transformers năm 2026 trong một trang: lớp định nghĩa mô hình mà nhiều công cụ khác dựa vào
Hugging Face Transformers tự định vị là framework định nghĩa mô hình (model-definition framework) cho văn bản, thị giác, âm thanh, video và đa phương thức, dùng cho cả suy luận lẫn huấn luyện. README mô tả vai trò "trục xoay": mô hình được định nghĩa trong transformers sẽ tương thích với phần lớn framework huấn luyện, engine suy luận như vLLM, SGLang và thư viện lân cận như llama.cpp. [1]
Người dùng cuối làm việc với hai API cấp cao: pipeline (chuỗi xử lý dựng sẵn theo tác vụ) cho suy luận và Trainer cho huấn luyện, xây trên ba lớp nền cấu hình, mô hình, bộ tiền xử lý. [5] Thư viện còn có lệnh transformers serve dựng máy chủ tương thích OpenAI cho thử nghiệm và tải vừa. [7]
Nên dùng Transformers khi cần chạy hoặc tinh chỉnh mô hình mở trong hạ tầng riêng, nhất là tác vụ hẹp như phân loại văn bản, trích xuất thực thể, nhận dạng giọng nói; đừng coi nó là engine phục vụ quy mô lớn, việc mà chính tài liệu serving khuyên giao cho vLLM hoặc SGLang. [7] Phiên bản 5 có nhiều thay đổi phá vỡ tương thích, nên kế hoạch nào cũng bắt đầu bằng ghim phiên bản. [9]
Cùng một mô hình, nhiều công cụ: vì sao cần một định nghĩa chuẩn
Mỗi mô hình mới thường được công bố kèm mã gốc theo cấu trúc riêng của tác giả. Nếu từng công cụ huấn luyện và engine suy luận tự hiện thực lại kiến trúc, sai khác nhỏ giữa các bản hiện thực sẽ cho kết quả khác nhau. README nêu mục tiêu tập trung định nghĩa mô hình để định nghĩa ấy được thống nhất trong hệ sinh thái. [1]
Bài toán thứ hai là rào cản sử dụng: kỹ sư doanh nghiệp cần tải một checkpoint (tệp trọng số đã huấn luyện) và gọi được ngay, không phải đọc bài báo rồi viết lại kiến trúc. README cho biết có hơn một triệu checkpoint dùng được với Transformers trên Hugging Face Hub, và pipeline tự lo tiền xử lý đầu vào lẫn định dạng đầu ra. [1]
Bài toán thứ ba là tái sử dụng thay vì huấn luyện từ đầu, lợi ích mà README nêu là giảm thời gian tính toán và chi phí. [1] Với doanh nghiệp Việt Nam, điều này nghĩa là có thể tinh chỉnh một mô hình có sẵn trên dữ liệu của chính mình thay vì xây từ con số không; lượng dữ liệu cần thiết phải xác định bằng thử nghiệm.
Cấu hình, mô hình, bộ tiền xử lý và nguyên tắc "một mô hình, một tệp"
Tài liệu triết lý gọi Transformers là thư viện ưu tiên PyTorch, mỗi mô hình cần ba lớp: cấu hình lưu siêu tham số; mô hình là torch.nn.Module bọc bởi PreTrainedModel; tiền xử lý thay đổi theo dữ liệu, gồm tokenizer (bộ tách token) cho văn bản, image processor cho ảnh, feature extractor cho âm thanh và processor cho đầu vào đa phương thức. [5]
Ba lớp dùng chung ba phương thức: from_pretrained() tải, lưu cache và nạp từ Hub hoặc thư mục riêng; save_pretrained() lưu cục bộ; push_to_hub() chia sẻ lên Hub. [5]
Các nguyên tắc cốt lõi cho thấy đánh đổi có chủ đích: "One Model, One File" giữ toàn bộ logic của một mô hình trong tệp người dùng đọc; "Backwards Compatibility" yêu cầu artifact cũ trên Hub tiếp tục chạy. Để tránh lặp mã, người đóng góp viết tệp modular_*.py và thư viện tự sinh tệp modeling_*.py đầy đủ. [5]
Ở tầng phục vụ, batching liên tục (continuous batching) đáng chú ý: bộ lập lịch chọn yêu cầu cho mỗi lượt forward theo ngân sách token và cache, còn KV cache (bộ nhớ đệm khóa và giá trị của attention) được phân trang thành khối cố định, mặc định 256 trang mỗi khối, để yêu cầu dài ngắn khác nhau chia chung vùng nhớ. [3]
Từ checkpoint trên Hub tới phản hồi HTTP: tải, lưu cache, tiền xử lý và batching liên tục
Luồng bắt đầu từ việc tải: from_pretrained lấy tệp từ Hub và lưu cache. Nếu truyền mã commit, thư viện dùng cache của commit đó mà không hỏi lại Hub; nếu truyền nhánh hay tag, nó hỏi Hub một lần để chọn commit. [6] Ghim theo commit là cách chắc chắn để mô hình hôm nay giống hôm qua.
Với pipeline, đầu vào thô như văn bản, âm thanh, ảnh được bộ tiền xử lý chuyển thành tensor, mô hình tính toán, rồi pipeline định dạng kết quả như nhãn kèm điểm số hoặc chuỗi văn bản. [1] Với transformers serve, mô hình được nạp theo yêu cầu, giữ trong GPU và tự gỡ sau 300 giây không hoạt động. [7]
Khi bật batching liên tục, mỗi yêu cầu đi qua bốn trạng thái: chờ, prefill (nạp prompt vào KV cache), decode (sinh từng token), hoàn tất. Prompt dài được chia qua nhiều bước để không chặn yêu cầu khác; yêu cầu chung tiền tố dùng lại khối cache. Khi cache đầy, yêu cầu mới nhất được chuyển KV sang CPU nếu có cấu hình, hoặc bị đặt lại mềm: ghép token đã sinh vào prompt rồi xếp hàng lại. [3]
Ở chế độ trực tuyến, việc tải mô hình tạo kết nối tới Hub; muốn chặn hẳn, tải trước bằng snapshot_download rồi đặt HF_HUB_OFFLINE=1 hoặc dùng local_files_only=True. [6]
Bốn mảng chức năng kiểm chứng được: pipeline, Trainer, transformers serve và lập lịch theo lô
Môi trường hỗ trợ là Python 3.10 và PyTorch 2.6 trở lên, có hướng dẫn cài cho GPU NVIDIA, NVIDIA Spark ARM64, CPU và GPU Intel; bản cài từ mã nguồn là bản mới nhất chứ không phải bản ổn định. [1][6]
Pipeline phục vụ tác vụ văn bản, âm thanh, thị giác và đa phương thức; README minh họa nhận dạng giọng nói, phân loại ảnh, và liệt kê ví dụ phân loại văn bản, nhận dạng thực thể. [1] Trainer là vòng huấn luyện và đánh giá hoàn chỉnh, tự lo chia lô, xáo trộn, đệm dữ liệu, lan truyền ngược và cập nhật trọng số, cấu hình qua TrainingArguments. [8]
transformers serve dựng máy chủ tương thích OpenAI SDK với các endpoint chat completions cho văn bản, ảnh, âm thanh, video, cùng completions, responses, audio transcriptions, models và load_model. Máy chủ hỗ trợ gọi hàm kiểu OpenAI với mô hình có tokenizer khai báo token gọi công cụ, và tách phần suy luận (reasoning) ra trường riêng khi có mẫu phản hồi phù hợp. [7]
Batching liên tục có hai bộ lập lịch FIFO và PrefillFirst; prefix caching bật mặc định khi mô hình chỉ có attention toàn phần; batching bất đồng bộ cần CUDA graphs (ghi lại chuỗi lệnh GPU để phát lại) và tốn khoảng gấp đôi VRAM. Kích thước cache suy từ bộ nhớ GPU trống, giới hạn bởi max_memory_percent mặc định 0,9. [3]
Ai hưởng lợi nhiều nhất từ Transformers
Tài liệu triết lý nêu ba nhóm: nhà nghiên cứu và giảng viên khám phá hoặc mở rộng kiến trúc; người làm thực tế tinh chỉnh, đánh giá, phục vụ mô hình; kỹ sư muốn mô hình huấn luyện sẵn chạy được ngay với API dễ đoán. [5]
Ở Việt Nam, nhóm hưởng lợi rõ nhất là doanh nghiệp có dữ liệu nhạy cảm không muốn gửi ra ngoài và có tác vụ hẹp, lặp lại: phân loại phản hồi khách hàng, trích xuất trường thông tin từ tin nhắn, chép lời ghi âm. Trường đại học và nhóm nghiên cứu cũng là đối tượng tự nhiên, vì dự án cam kết hỗ trợ các mô hình mới và đơn giản hóa cách dùng chúng. [1]
Người chỉ cần chatbot có sẵn nên dùng dịch vụ API; người phải phục vụ hàng nghìn yêu cầu đồng thời ngay từ đầu cần engine chuyên dụng chứ không bắt đầu từ transformers serve. [7]
Đề xuất cho một nhà xe khách liên tỉnh: phân loại tin nhắn đặt vé và chép lời tổng đài
Tình huống giả định: một nhà xe vận tải hành khách chạy các tuyến liên tỉnh miền Trung, nhận yêu cầu qua tổng đài và kênh nhắn tin. Mỗi ngày có hàng trăm tin: đặt vé, đổi hủy vé, hỏi giờ chạy và điểm đón, gửi hàng, báo quên đồ, khiếu nại. Nhân viên trực đọc từng tin rồi chuyển người phụ trách, giờ cao điểm dễ sót.
Đề xuất gồm hai mô-đun chạy trên máy chủ nhà xe. Mô-đun một dùng Trainer [8] tinh chỉnh một mô hình encoder (loại mô hình mã hóa văn bản, hợp cho phân loại) đa ngôn ngữ cỡ nhỏ để phân loại ý định, kèm mô hình nhận dạng thực thể lấy tuyến, giờ, số ghế, điểm đón. Mô-đun hai chép lời cuộc gọi tổng đài đã thông báo ghi âm, qua pipeline nhận dạng giọng nói hoặc endpoint chép lời của transformers serve. [1][7]
Dữ liệu thực có tin không dấu, viết tắt, địa danh địa phương, ghi âm lẫn tiếng động cơ. Bài không khẳng định mô hình nào xử lý tốt tiếng Việt; chất lượng phải đo trên dữ liệu của nhà xe, với mô hình ghim theo commit, tải trước và chạy ngoại tuyến. [6]
Hệ thống chỉ gợi ý nhãn và điền sẵn thông tin; xác nhận vé, hoàn tiền, xử lý khiếu nại vẫn do nhân viên. Tin có độ tin cậy thấp chuyển thẳng cho người, và số điện thoại, họ tên khách trong bản chép lời được che trước khi vào dữ liệu huấn luyện.
Đưa vào vận hành: ghim phiên bản, chạy ngoại tuyến và giới hạn của transformers serve
Tài liệu cài đặt khuyến nghị môi trường ảo bằng uv hoặc venv. [6] Hệ thống vận hành nên ghim cùng lúc phiên bản transformers, PyTorch và revision (phiên bản cụ thể của kho mô hình). Hướng dẫn v5 cho thấy lý do: bản này đòi huggingface_hub từ 1.0.0, chuyển HTTP sang httpx, bỏ biến cũ như TRANSFORMERS_CACHE và chỉ nhận proxy qua biến môi trường. [9]
Vị trí cache đổi được bằng HF_HUB_CACHE, HF_HOME hoặc XDG_CACHE_HOME [6]; máy có ổ hệ thống nhỏ nên đặt cache sang ổ dữ liệu từ đầu. Kích thước shard (tệp con của mô hình) mặc định ở v5 tăng từ 5 GB lên 50 GB, nên mô hình lớn có ít tệp hơn nhưng mỗi tệp lớn hơn. [9]
transformers serve hợp với đánh giá, thử nghiệm và tải vừa; mặc định nghe ở localhost cổng 8000, tài liệu hướng dẫn chuyển tiếp cổng qua SSH khi máy chủ ở xa, và khuyên nêu tên mô hình ngay khi khởi động để có kết quả ổn định, lặp lại được. [7] Với nhà xe, bộ phân loại chạy như dịch vụ nội bộ, còn chép lời chạy theo lô sau mỗi ca.
Cơ chế tự gỡ mô hình sau 300 giây không hoạt động tiết kiệm GPU nhưng gây độ trễ khởi động lạnh; cần phản hồi tức thì thì đặt --model-timeout là -1 hoặc gọi /load_model làm nóng trước ca. [7]
Checkpoint tải về là đầu vào không tin cậy: safetensors, trust_remote_code và revision
SECURITY.md nhấn mạnh Transformers gắn chặt với Hugging Face Hub, và tải artifact do người khác đăng luôn có rủi ro. Dự án khuyến nghị safetensors, định dạng được thiết kế để ngăn thực thi mã tùy ý và được ưu tiên mặc định; use_safetensors buộc báo lỗi nếu thiếu tệp safetensors thay vì rơi về định dạng pickle. [4] Từ v5, save_pretrained không còn cho lưu theo định dạng không an toàn. [9]
Một số mô hình đòi trust_remote_code=True, tức chạy mã mô hình tải từ Hub; SECURITY.md khuyên luôn đọc mã đó và đặt revision cố định để tránh bị ảnh hưởng bởi cập nhật về sau. [4] Với nhà xe, chính sách đơn giản là không đưa mô hình cần trust_remote_code vào vận hành trừ khi đã đọc mã và ghim commit.
Tài liệu serving mà bài đọc không mô tả cơ chế xác thực cho transformers serve, các ví dụ dùng chuỗi bất kỳ làm api_key. [7] Bài đề xuất để máy chủ chỉ nghe nội bộ, đặt sau reverse proxy có xác thực nếu máy khác cần truy cập, và không mở thẳng ra Internet.
Chạy ngoại tuyến giữ nội dung tin nhắn và ghi âm trên máy chủ doanh nghiệp. [6] Phần còn lại là quản trị: thông báo ghi âm, giới hạn người được nghe lại, đặt thời hạn lưu, che thông tin cá nhân. Lỗ hổng của thư viện được báo qua kênh bảo mật của Hugging Face hoặc chương trình Huntr. [4]
Apache 2.0 cho mã thư viện, giấy phép riêng cho từng checkpoint
Tệp LICENSE ở gốc là Apache License 2.0 với bản quyền của nhóm Hugging Face từ 2018, cho phép dùng, sửa đổi, phân phối lại với điều kiện giữ thông báo bản quyền và giấy phép, đánh dấu tệp đã sửa, kèm điều khoản cấp quyền sáng chế. [2] Tài liệu đã đọc như philosophy.md cũng mang tiêu đề Apache 2.0. [5]
Ranh giới quan trọng nhất: giấy phép bao phủ mã thư viện tại commit, không bao phủ checkpoint. README nhắc hơn một triệu checkpoint trên Hub [1]; mỗi checkpoint có điều khoản do tác giả mô hình đặt, có loại cho dùng thương mại, có loại hạn chế. Nhà xe phải kiểm tra giấy phép của mô hình encoder, mô hình nhận dạng giọng nói và cả tập dữ liệu dùng tinh chỉnh.
Trong danh mục tệp tài liệu và giấy phép mà bài rà tại commit này chỉ có một tệp LICENSE ở gốc; thư viện phụ thuộc như PyTorch hay huggingface_hub vẫn có giấy phép riêng. Về phiên bản, ranh giới lớn nhất là v4 và v5 [9]; mã viết cho v4 cần được kiểm tra trước khi nâng cấp.
Chi phí đi theo kích thước mô hình, không theo thư viện
Thư viện không thu phí; chi phí vận hành phụ thuộc gần như hoàn toàn vào mô hình được chọn. Tài liệu cài đặt có hướng dẫn riêng cho bản chỉ dùng CPU [6], điểm khởi đầu đáng thử cho bộ phân loại tin nhắn cỡ nhỏ; mô hình nhận dạng giọng nói và LLM sinh văn bản có thể cần GPU để đạt tốc độ chấp nhận được. Bài không nêu cấu hình cụ thể vì chưa đo.
Nguồn lực cần dự trù: máy chủ có hoặc không có GPU tùy mô hình; ổ đĩa cho cache mô hình và dữ liệu ghi âm; thời gian gán nhãn, thường là khoản lớn nhất; một kỹ sư quen PyTorch để tinh chỉnh, đánh giá và đóng gói dịch vụ; thời gian bảo trì khi nâng phiên bản. Batching bất đồng bộ tốn khoảng gấp đôi VRAM [3], nên cấu hình tối ưu tốc độ có thể đòi phần cứng lớn hơn.
Khoản tiết kiệm có cơ sở là dùng lại mô hình huấn luyện sẵn thay vì huấn luyện từ đầu. [1] Mức tiết kiệm cụ thể không thể ước trước; nó phải được so với phương án thay thế, chẳng hạn chi phí gọi API đám mây cho cùng khối lượng tin nhắn.
Thư viện nền, engine suy luận chuyên dụng hay API đám mây?
So với API đám mây, Transformers đổi sự tiện lợi lấy quyền kiểm soát: dữ liệu ở lại doanh nghiệp, mô hình không tự đổi, nhưng phần cứng và vận hành do doanh nghiệp lo. Tác vụ hẹp như phân loại ý định có thể đủ với mô hình nhỏ tự chạy; soạn câu trả lời dài có thể cần mô hình lớn qua API.
So với vLLM, SGLang hay TGI, Transformers là lớp định nghĩa còn engine là lớp phục vụ. Tài liệu serving nói transformers serve tránh được chi phí vận hành của engine chuyên dụng, hợp thử nghiệm và tải vừa, còn triển khai lớn nên dùng vLLM hoặc SGLang với Transformers làm backend. [7] Hai lựa chọn không loại trừ nhau.
So với công cụ tinh chỉnh cấp cao như Axolotl hay Unsloth, Transformers là định nghĩa mô hình mà README nói các công cụ ấy tương thích theo. [1] Người cần nhanh dùng công cụ cấp cao; người cần kiểm soát từng bước làm trực tiếp với Trainer. Với phân loại đơn giản, hồi quy logistic trên đặc trưng từ vựng vẫn là mốc so sánh nên có trước khi kết luận cần mô hình transformer.
Giới hạn mà chính dự án đã thừa nhận
README tự liệt kê ba trường hợp không nên dùng: thư viện không phải hộp công cụ khối xây dựng mạng nơ-ron, vì mã mô hình cố ý không trừu tượng hóa thêm; API huấn luyện tối ưu cho mô hình PyTorch của Transformers, còn vòng lặp tổng quát nên dùng thư viện khác như Accelerate; script ví dụ chỉ là ví dụ, có thể không chạy ngay với bài toán cụ thể. [1]
Ở phía phục vụ, transformers serve không dành cho tải lớn. [7] Batching liên tục có điều kiện: CUDA graphs cần luồng điều khiển tĩnh và không tương thích với attention mask; prefix caching chỉ hoạt động khi mô hình chỉ có lớp attention toàn phần. [3] Hiệu năng vì thế phụ thuộc kiến trúc từng mô hình.
Phiên bản 5 loại bỏ các pipeline question-answering, tóm tắt và dịch, khuyên dùng TextGenerationPipeline với mô hình chat; pipeline image-to-text và visual-question-answering cũng bị loại. [9] Ai đang dựa vào chúng ở v4 cần kế hoạch chuyển đổi. Và chất lượng đầu ra là của mô hình: thư viện chạy đúng một mô hình kém vẫn cho kết quả kém.
Khi tài liệu lệch nhau: README và hướng dẫn chuyển đổi v5
Đọc song song README và MIGRATION_GUIDE_V5.md tại cùng commit thấy vài chỗ không khớp. README vẫn nêu lợi ích chuyển một mô hình giữa PyTorch, JAX và TF2.0, trong khi hướng dẫn v5 ghi việc loại bỏ phần TensorFlow và JAX để tập trung vào torch, và tài liệu triết lý gọi thư viện là ưu tiên PyTorch. [1][5][9]
Phần ví dụ của README còn dùng pipeline visual-question-answering, trong khi hướng dẫn v5 ghi pipeline này đã bị loại và đề nghị dùng image-text-to-text với mô hình thị giác ngôn ngữ. [1][9] Bài không chạy mã nên không xác định ví dụ nào còn hoạt động; điều khẳng định được là hai tài liệu chính thức tại cùng commit đang mô tả khác nhau.
Hướng dẫn v5 còn giữ mục cảnh báo cho bản RC0 về PEFT kết hợp MoE, song song tensor và expert với MoE, tương thích mã từ xa, kèm lời hẹn sửa ở bản sau [9]; tình trạng hiện tại chưa được xác minh. Khi tài liệu mâu thuẫn, căn cứ là hành vi của phiên bản đã ghim, kiểm chứng bằng bộ kiểm thử của chính tổ chức.
Thử nghiệm ba bước: dựng bộ đánh giá trước, chọn mô hình sau
Bước một, khoảng hai tuần: gán nhãn khoảng 3.000 tin nhắn cũ theo 8 nhóm ý định, tách 20% làm tập kiểm tra cố định có đủ tin không dấu, viết tắt; chọn 2 giờ ghi âm tổng đài gồm giờ cao điểm và giờ vắng, chép tay làm chuẩn. Kế hoạch là đề xuất, các con số là giả định quy mô.
Bước hai, khoảng ba tuần: huấn luyện mốc so sánh cổ điển, rồi tinh chỉnh một hai mô hình encoder bằng Trainer với phiên bản đã ghim. Chỉ số: F1 (cân bằng độ chính xác và độ phủ) theo từng nhóm ý định, nhất là khiếu nại và quên đồ; tỷ lệ tin chuyển nhầm; tỷ lệ lỗi từ của bản chép lời; thời gian xử lý một ca ghi âm trên phần cứng dự kiến.
Bước ba, khoảng ba tuần: chạy song song, mô hình gợi ý còn nhân viên quyết định, ghi lại mọi lần sửa nhãn. Dừng nếu F1 nhóm khiếu nại không vượt mốc cổ điển, tỷ lệ chuyển nhầm cao hơn quy trình thủ công, bản chép lời sai tên tuyến, giờ chạy đến mức phải nghe lại toàn bộ, hoặc không ai duy trì được môi trường đã ghim phiên bản.
Kết luận: hiểu lớp nền trước khi chọn công cụ bên trên
Transformers tại commit khảo sát vừa là thư viện dùng trực tiếp với pipeline, Trainer và transformers serve, vừa là lớp định nghĩa mô hình cho nhiều công cụ khác. [1][5][7] Hiểu ba lớp cấu hình, mô hình, bộ tiền xử lý và cách from_pretrained tải, lưu cache giúp đội kỹ thuật đọc được mọi công cụ đặt bên trên.
Giá trị thực tế cho doanh nghiệp nằm ở tác vụ hẹp chạy nội bộ, kiểm soát được dữ liệu, như phân loại tin nhắn và chép lời trong tình huống nhà xe. Điều kiện là ghim phiên bản, ưu tiên safetensors, thận trọng với trust_remote_code và đo chất lượng trên dữ liệu tiếng Việt thật. [4][6]
Phiên bản 5 là dịp tốt để bắt đầu sạch, nhưng cũng là lý do đọc kỹ hướng dẫn chuyển đổi trước khi tin vào bất kỳ ví dụ nào trên mạng. [9]
Phạm vi nguồn, commit ea92593 và cách đọc bài này
Transformers thuộc nhóm "Mô hình và suy luận AI", được chọn từ một kho lưu độc lập các danh sách GitHub Trending theo ngôn ngữ: bằng chứng là danh sách Python ngày 12/02/2026 với kho ở vị trí 8; bảng ứng viên của loạt bài ghi 10 lần quan sát đến 11/10/2026. Kho lưu chỉ có danh sách Python, Go, JavaScript và Swift, thiếu ngày 03/09 và 12/10/2026, nên không thể xem là Top 100 chính thức. [10]
Nguồn kỹ thuật là commit ea9259355388f518240f96a8c2dee7311b1c5911 của huggingface/transformers; ngày commit và ngày kiểm tra đều là 12/10/2026. Bài đọc README, LICENSE, SECURITY.md, tài liệu kiến trúc batching liên tục và năm tài liệu bổ sung: philosophy, installation, serving, trainer trong docs/source/en và MIGRATION_GUIDE_V5.md. [1][2][3][4][5][6][7][8][9] Trang tài liệu trực tuyến, ghi chú phát hành và blog không dùng làm nguồn.
Cần đọc bài như một bản phân tích tài liệu có sự hỗ trợ của AI, chưa qua quy trình phản biện khoa học. Bài không cài đặt, không huấn luyện, không đo tốc độ của Transformers; tình huống nhà xe, quy mô dữ liệu, chỉ số và kế hoạch thử nghiệm là đề xuất phân tích.
Xem mã nguồn Transformers trên GitHub