Eval bug: Vulkan graph optimizer silently corrupts output for models with view-aliased state

快速结论：该报错发生在 llama.cpp 使用 Vulkan 后端运行带有 view-aliased 状态（如循环状态）的模型时，Vulkan 图优化器可能错误地重排节点导致输出静默损坏，贪心解码可能选错 token。优先排查 Vulkan 优化器对张量视图依赖关系的判断，并尝试升级到包含修复补丁的版本。

适用环境：llama.cpp 0.1.2-dev（build 10511）；Vulkan 后端；已在 AMD Radeon RX 7800 XT、AMD Strix Halo/Ryzen AI Max+ 395、NVIDIA Quadro RTX 5000（Windows，驱动 572.61）上复现；Linux 与 Windows 均受影响；CUDA 后端不受影响。

最快修复方案：暂无确认的一步修复方案。Issue 中给出的补丁修改了 ggml_vk_graph_optimize 中 is_src_of 函数的依赖判断逻辑，将每个张量解析到其 view_src 基张量后再比较，测试中 12/12 次运行输出与参考文本一致。

注意事项：该修复由提交者自行测试验证，PR 尚未合入主线；修复后不同 draft 长度仍可能产生与目标模型不一致的输出，说明问题可能不局限于推测解码。

问题场景

用户使用 llama.cpp 的 Vulkan 后端运行带有循环状态（recurrent state）的模型（如 Qwen3.8-27B，配合 DFlash 2 draft 模型进行推测解码）。在温度 0、seed 0 的确定性条件下，同一输入在不同运行中产生了不同的输出文本——这是确定性解码下不应出现的情况。使用推测解码时，错误路径会接受模型本未选择的 draft token，导致接受率和速度数据失效。

报错原文

Eval bug: Vulkan graph optimizer silently corrupts output for models with view-aliased state

原因分析

问题定位在 ggml/src/ggml-vulkan/ggml-vulkan.cpp 文件 ggml_vk_graph_optimize 函数的 is_src_of 依赖检查中。当前实现无法识别两个视图（view）指向同一底层张量时实际上是“依赖”关系。优化器因此可能将一个节点移动到对同一内存的读或写操作之前/之后，造成数据竞争。Qwen3.8 通过视图保存循环状态，DFlash 2 的 verify 图在 AMD 和 NVIDIA 的 Vulkan 后端上都触发了该问题；同一 NVIDIA GPU 上 CUDA 输出正确。DFlash 2 是触发条件而非根因，根因在 ggml-vulkan.cpp。

环境排查

llama.cpp 版本：0.1.2-dev（build 10511，commit f7aadef09），基于未合入的 #27342 构建
Vulkan 后端：确认 -DGGML_VULKAN=ON 已启用
显卡驱动：AMD 使用 RADV Mesa 26.2.1（Linux 6.18）；NVIDIA 使用驱动 572.61（Windows）
CUDA 对照：同一 NVIDIA GPU 上 CUDA 后端输出正确，可用于交叉验证
模型：任何量化版本均可复现，问题与量化无关，与模型的循环状态图（recurrent-state graph）相关

解决步骤

确认当前构建版本是否包含 ggml-vulkan.cpp 中 is_src_of 函数的修复补丁。
如果问题仍在，可优先尝试 Issue 中提供的补丁：在 is_src_of 函数中新增 base() 辅助函数，将每个张量解析到其 view_src 基张量，然后比较：
- 检查 dst->src[s] 的基张量是否与 src 的基张量相同（源视图可能通过不同视图读取同一存储）；
- 检查 src->src[s] 的基张量是否与 dst 的基张量相同（向前移动 dst 可能覆盖 src 仍通过视图读取的存储）；
- 最终比较 base(dst) 与 base(src) 是否相等。
重新编译 llama.cpp，使用 cmake --build 完成构建。
使用原问题的复现参数（温度 0、seed 0）重新运行，对比多次运行的输出是否一致且与参考文本匹配。

验证方法

在温度 0、seed 0 条件下，对同一输入执行多次独立运行（建议至少 3 次）。修复前，推测解码场景下三次运行会产生三个不同哈希的输出；修复后应得到与无推测解码参考运行一致的单一输出。提交者测试结果为 12/12 次运行与参考文本一致。注意：修复后不同 draft 长度仍可能产生与目标模型不同的输出，但应表现为一致的第二套输出，而非随机错误。