![[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
研究人员提出 SERA，在固定底层 VLA 执行器之上，用可编辑的“外挂框架”管理高层 VLM 规划，让机器人记住任务进度并从执行反馈中修正判断。据摘要，其在 RoboMME 基准上取得 51.38% 总体成功率，相比无自进化版本提升约 7 个百分点。
alphaXiv 收录的论文 SP-HLM 提出一种“稀疏姿态接口”，只显式指定骨盆、双腕、双踝五个关键姿态，再结合学习到的动作先验补全全身运动，让上层视觉语言动作模型（VLA）从预测全身动作中解放出来；论文称在仿真与真机上相对现有方法有提升。
论文 AW-0 提出“智能体世界动作模型”，把代码、视频和动作三条生成流放进同一架构联合预测，在 8 个真实双臂操作任务上平均评分 71.1%，比 DreamZero 高 25.1 分。这说明技能复用与物理预测可以在一个模型里衔接，但论文还未转化为可用产品。
Hugging Face Papers 收录的一篇论文提出 SpatialScout 基准，专门考察视觉语言模型（VLM）智能体能否通过主动探索，为室内场景中的目标物体估计三维坐标并构建度量地图。目前公开摘要显示，表现最好的 Claude Opus 5.5 平均重叠分只有 41.71%，说明从粗略物体布局到精…
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。
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
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
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。
Hugging Face Papers 收录的论文提出 StreamEval，一个覆盖五类任务的交互式流式视频生成统一基准，用 300 个测试用例评测 37 个模型，结果显示视觉质量高不等于能可靠执行用户请求。