当你已经配好 OpenAI 兼容的 FLUX 图片生成端点、Playground → Images 能出图，但普通聊天里看不到 Image/Image Generation 入口、模型只把 dalle.text2im 当纯文本吐出来时，先把排查重点放在聊天输入框的 Integrations 菜单里
当你在 Transformers 里对多模态对话（含 image/video/audio）调用 apply_chat_template 并开启 return_assistant_tokens_mask=True 时，如果图像占位 token 被展开，assistant mask 会全为 0，优先排查
当你用 ViTMAEForPreTraining 做 MAE 预训练并尝试启用 Flash Attention 2.0 时，旧版 Transformers 会在模型加载阶段直接抛出该错误；优先确认 Transformers 版本是否已包含对应的 ViT attention 重构。
当你在 Ollama 上运行 Gemma 4 系列模型做 OCR、文档解析或读取小字号文本时，如果发现识别结果缺字、串字、准确率明显下降，通常不是模型本身质量问题，而是 Ollama 把图像 token 预算 max_soft_tokens 硬编码为 280 ，导致高分辨率视觉任务细节丢失。优先排查
该问题通常出现在 macOS 上运行 Ollama 桌面应用 0.34.x（含 0.34.1、0.34.2，以及 0.34.3-rc1）时，应用启动后会卡死甚至让整个系统失去响应。优先排查方向不是 MLX 或模型加载，而是应用启动时对 ChatGPT/Codex 的检测逻辑在主线程上执行 osasc
这个报错通常出现在 MiniMax-H3 视频 VAE 解码阶段，当 VAE 处于部分 offload 状态、 qk_norm_scale 停留在 CPU 而上游张量在 CUDA/ROCm 设备上时触发。优先排查 VAE 是否被部分卸载，以及 qk_norm_scale 与 query 的设备是否一
这个报错通常出现在用 llama-server 跑 MiMo-V2.6-Distill-Qwen-9B（GGUF）并调用 OpenAI 兼容 tools API 时，模型自带的 chat template 被误判为 Qwen3-Coder 模板，导致工具调用永远走不到正常结束。优先排查 llama.
该报错通常发生在 llama.cpp 使用 Vulkan 后端、开启多设备张量并行（ -sm tensor ）并加载模型时，进程在模型加载阶段触发 SIGSEGV；日志中会先出现 ggml-backend-meta: multi buffers are unsupported leading to
这个报错通常出现在 Linux 上使用 llama.cpp 的 SYCL 后端搭配 Intel Arc A770 启动 llama-server / llama-cli 时，启动阶段在获取设备显存大小失败后触发 ggml_abort 并 core dump。优先排查 SYCL 构建是否缺少 Inte
![[Bug][ROCm/gfx942]: DeepSeek-V4-Flash silent retrieval corruption for prompts ≥ ~4-5k tokens (AITER sparse indexer)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/52109-0c477c70-768x403.jpg)
这类静默检索损坏通常出现在 ROCm/gfx942 上运行 DeepSeek-V4-Flash/Pro 并启用 AITER 稀疏索引器（DSA indexer）的长上下文场景中；当压缩后的候选 token 超过 index_topk 、开始真正发生 top-k 选择后，服务器不会报错，但 needl