Assertion ‘__n size()’ failed.

快速结论：该报错在 llama-server 中使用 --spec-type ngram-map-k 等推测解码（speculative decoding）参数时触发，优先排查推测解码功能下的 ngram-map 索引越界问题。

问题场景

用户在 AMD RYZEN AI MAX+ PRO 395 平台（Linux）上运行 llama-server，配置了推测解码（speculative decoding）参数（如 --spec-draft-n-max、--spec-type ngram-map-k），并加载了 Qwen3.6-35B-A3B-MTP-GGUF_Q8_K_XL 模型。服务器在使用 --models-max 1 和 --cache-prompt 等参数运行时，偶发崩溃，通常需要运行 20-30 分钟才复现。

报错原文

Assertion '__n < this->size()' failed.

/usr/include/c++/16.1.1/bits/stl_vector.h:1272: 
constexpr std::vector<_Tp, _Alloc>::const_reference 
std::vector<_Tp, _Alloc>::operator[](size_type) const 
[with _Tp = int; _Alloc = std::allocator<int>; 
const_reference = const int&; size_type = long unsigned int]: 
Assertion '__n < this->size()' failed.

原因分析

该断言失败表明使用 std::vector::operator[] 访问了越界索引（索引值 __n 大于等于向量大小）。根据 Issue 讨论中的堆栈回溯，崩溃发生在 common/ngram-map.cpp 的 L346 行附近，访问 inp[map.keys[i].key_idx + j] 时索引超出 inp 向量的边界。这与推测解码中的 ngram-map 刷新操作（common_ngram_map_begin: refresh map）密切相关。当禁用推测解码（--spec-draft-n-max 等参数）后，用户确认不再复现。

环境排查

工具版本：llama-server version 9413 (基于 commit 24d6d7c)
操作系统：Linux (x86_64)
GGML 后端：HIP（AMD GPU 支持）
硬件：AMD RYZEN AI MAX+ PRO 395 w/ Radeon 8060S
编译器：GNU 16.1.1
推测解码参数：启用 --spec-draft-n-max 3、--spec-draft-n-min 1、--spec-type ngram-map-k 等
模型：Qwen3.6-35B-A3B-MTP-GGUF_Q8_K_XL

解决步骤

确认是否为推测解码相关：如果当前使用了 --spec-type ngram-map-k 等推测解码参数，可先尝试临时移除所有推测解码相关参数（如 --spec-draft-n-max、--spec-draft-n-min、--spec-type 等），确认问题是否消失。
应用补丁（可优先尝试）：Issue 中已提交 PR #23936 修复该问题，修复位置在 common/ngram-map.cpp 的 L346 行附近。建议更新到包含此修复的版本（如 >= commit 6ed481eea4cf4ed40777db2fa29e8d08eb712b3b 之后的修复分支），或者手动应用该 PR 的补丁。
构建含调试符号的版本：如果希望自行定位，可使用 -g 或 CMAKE_BUILD_TYPE=Debug 重新构建，以获取更详细的堆栈信息。

验证方法

应用补丁或升级版本后，在相同的模型和参数配置下（保持推测解码相关参数），长时间运行（如 30 分钟以上）llama-server，确认不再触发 Assertion '__n < this->size()' failed. 崩溃。建议同时观察日志中不再出现 common_ngram_map_begin: refresh map 后的索引异常。