分类： AI 工具排错

这个报错通常出现在使用 llama.cpp 的 CUDA 后端运行 MoE（Mixture of Experts）模型时，第一次或第二次提示词执行阶段触发 cublasGemmEx 失败并抛出 CUDA error。优先排查 CUDA 驱动/运行时版本与 llama.cpp 构建是否匹配，并确认是否

该 Issue 是“Feature Request: Improve Security against Prompt Injection attacks”，属于 llama.cpp 的功能请求与设计讨论，并非一个可复现的运行时报错。用户希望在 system prompt 中注入 secret key

该报错通常出现在用 vLLM serve 的 OpenAI-compatible Embeddings API 跑 Qwen3-VL-Embedding-8B 等多模态 embedding 模型时，请求里的图像特征未命中多模态缓存（mm cache），触发 `Expected a cached it