Feature Request: Two-tier GPU+RAM expert cache for MoE offload (pluggable eviction policy)
“Feature Request: Two-tier GPU+RAM expert cache for MoE offload (pluggable eviction policy)” 不是运行报错，而是针对 `--cpu-moe` 场景下每个 token 重复从 RAM 向 GPU 拷贝热点专家的
分类： AI 工具排错
Misc. bug: Nemotron 3 / 3.5 GGUFs are tagged “pixtral” and get the wrong pre-tokenizer
"Misc. bug: Nemotron 3 / 3.5 GGUFs are tagged "pixtral" and get the wrong pre-tokenizer" 通常出现在用 llama.cpp 加载 Nemotron 3 / 3.5 系列 GGUF（如 Nemotron-3-Nan
Misc. bug: llama_detokenize removes the space preceding “!”, “?”, “.”, “,”, and prior to “‘s”, “‘re” for Gemma 4 and other vocabs whose Hugg
当 GGUF 词表对应的 Hugging Face tokenizer 不需要清理空格时，llama.cpp 仍对 BPE 词表启用了 clean_spaces，导致 llama_detokenize 删掉 “!”“?”“.”“,” 前面的空格以及 “'s”“'re” 前面的空格，表现为解码文本与原
Inline agent dialog breaks its two-column layout in smaller windows
在 Dify Studio 工作流中打开内嵌 Agent 节点的配置弹窗，当浏览器视口窄于 xl 断点（1280 CSS 像素）时，弹窗会丢失两栏布局：Configure 面板保留桌面端宽度，Build/Preview 折到下方，关闭按钮随预览页头下移。优先排查内嵌弹窗对共享 AgentConfig
[Bug]: Wide speculative decoding verify (num_speculative_tokens ≥ 7) samples EOS at `prompt_len+8` on hybrid GDN models (Qwen3.5): silent ea
![[Bug]: Wide speculative decoding verify (num_speculative_tokens ≥ 7) samples EOS at `prompt_len+8` on hybrid GDN models (Qwen3.5): silent ea](https://www.chat-gpts.plus/wp-content/uploads/2026/10/61738-8d640711-768x403.jpg)
在 vLLM 启用投机解码（speculative decoding）跑 Qwen3.5 这类 hybrid GDN 模型时，可能在第 10 个 token 附近静默提前停止（ finish_reason=stop ），输出在 EOS 行之前逐字节干净；Issue 讨论最终判定为 bf16 下 EO
issue: Screen readers aren’t told whether an archived chats search found anything
该问题出现在 Open WebUI 的“设置 → Archived Chats”页面使用搜索框时：列表会筛选，但屏幕阅读器（Issue 中为 Orca）不会收到匹配数量或“无结果”的播报，只回显用户输入。它属于无障碍播报缺失，不是后端搜索失败；优先排查前端是否加载了包含无障碍状态行的修复版本。
issue: context usage gauge ignores the model’s own compaction threshold
该问题出现在 Open WebUI 开启上下文压缩、且为某个模型单独设置了更低的 compact_token_threshold 时： / 弹出层里的上下文占用百分比仍按全局阈值计算，而实际自动压缩按模型阈值触发，因此显示值与实际行为不一致。优先排查模型级阈值是否未传到前端、以及服务端计算上下文占用
Tokenizer adds an additional space after the added token
这个报错通常发生在使用基于 SentencePiece/Metaspace 的 tokenizer（如 NLLB-200）并通过 add_tokens() 添加词表外片段后，当新增 token 后面紧跟其他字符（而不是空格）时，tokenizer 会在新增 token 之后额外插入一个空格。优先排查
Error: 500 Internal Server Error with new model Flint
该报错通常发生在使用 Ollama 加载新模型 Flint 时，底层 llama-server 进程因无法识别模型架构而退出。优先确认当前 llama.cpp 与 Ollama 大版本是否已包含 Flint 架构支持，而不是先排查显卡或显存问题。
bug: OneLogin SSO issuer validation conflicts with sign-in discovery URL
这个报错出现在 Langfuse Cloud 组织级 SSO 选择 Provider = OneLogin 时：保存校验通过所需的 issuer 与 NextAuth 登录流程拼接 discovered URL 所需的 issuer 不一致，导致“能保存的配置登不进去、能登录的配置存不下”。排查重点