假设你有两部分：

• 一个是原始大模型（base model）

• 一个是保存的 LoRA Adapter（adapter_config.json + adapter_model.bin）

不合并的情况下推理方法

你可以用 peft 的方式加载 LoRA Adapter，推理时这样写：

from transformers import AutoModel, AutoTokenizer
from peft import PeftModel

# 1. 加载原始大模型
base_model = AutoModel.from_pretrained(
    "原始模型路径",
    trust_remote_code=True
)
tokenizer = AutoTokenizer.from_pretrained(
    "原始模型路径",
    trust_remote_code=True
)

# 2. 加载 LoRA Adapter
model = PeftModel.from_pretrained(
    base_model,
    "lora_adapter保存路径"
)

# 3. 推理
inputs = tokenizer("你的输入", return_tensors="pt")
outputs = model.generate(**inputs)
print(tokenizer.decode(outputs[0]))

• "原始模型路径"：假设就是你原始 ChatGLM-3 6B 的本地路径

• "lora_adapter保存路径"：就是你训练保存的 lora 目录

这样就可以直接用 LoRA 微调后的模型推理，无需合并！