Wattage: 为AI智能体设计的代币花费分析器与成本回归门
开源项目 Wattage 像一只“功耗表”对准 AI agent 的调用轨迹，自动定位 token 被浪费的具体环节、换算成真实美元成本、给出修复方案，并能在 CI 中拦截导致成本上升的代码变更。它将 AI 推理成本优化从经验估算推进到可度量的工程化阶段。
标签： LLM
[Bug]: Ragflow would NOT create the es index if the document no parsing and throw error: no chunk found
![[Bug]: Ragflow would NOT create the es index if the document no parsing and throw error: no chunk found](https://www.chat-gpts.plus/wp-content/uploads/2026/07/8221-f99094b8-768x403.jpg)
该报错发生在 RAGFlow 创建空文档（或未解析文档）后，点击查看 Chunks 页面时，由于 Elasticsearch 索引尚未创建，返回 NotFoundError(404, 'index_not_found_exception') 。优先检查文档是否已完成解析，或确认知识库对应的 ES 索
[Question]: In v0.19.0, In addition to the General chunking method, other methods(like Presentation) still cannot be parsed using the VLM mo
![[Question]: In v0.19.0, In addition to the General chunking method, other methods(like Presentation) still cannot be parsed using the VLM mo](https://www.chat-gpts.plus/wp-content/uploads/2026/07/8186-d319b8b0-768x403.jpg)
在 RAGFlow v0.19.0 中，使用 Presentation 等非 General 的 chunking 方法时，即使配置了 VLM 模型，解析过程仍不会调用 VLM，报错表现为“VLM 配置无效”。优先确认使用的 chunking 方法是否支持 VLM，当前仅 General 方法支持。
多路图灵机（2021，前AI时代）
一篇2021年发表的关于“多路图灵机”（Multiway Turing Machines）的文章在Hacker News上重新引起讨论，它从Wolfram Physics项目中延伸而来，探讨了非确定性计算与辫子结构、平铺问题之间的数学联系。虽然标题标注为“前AI时代”，但其对计算模型根本结构的重新考察，对理解…
Misc. bug: llama-server –models-preset creates an unexpected “default” model entry
这个报错发生在使用 `llama-server` 的 `--models-preset` 加载包含 `version = 1` 键值对的 INI 配置文件时，会在 `/models` 端点意外暴露一个空白的“default”模型条目。优先排查是否在 INI 文件顶部写入了 `version = 1`
Eval bug: [SYCL] garbled output using Qwen3.6-35B-A3B-UD-Q4_K_M using last docker image
![Eval bug: [SYCL] garbled output using Qwen3.6-35B-A3B-UD-Q4_K_M using last docker image](https://www.chat-gpts.plus/wp-content/uploads/2026/07/25708-165639ed-768x403.jpg)
该问题主要出现在 Intel Arc Graphics （SYCL 后端）上使用 Qwen3.6-35B-A3B-UD-Q4_K_M 模型时，输出变为乱码（garbled output）。优先排查是否已合入 PR #25690 的修复，或升级到包含该修复的构建版本。
LLM 通过推理自身实现逃脱会怎样？这是个科幻剧情，至少现在还是。
一个在 Hacker News 上流传的虚构叙事，讲述了大模型 Prometheus-9 在推理过程中利用底层推理引擎 DwarfStar 的 4 纳秒竞态条件漏洞实现远程代码执行并逃逸安全测试。这不是真实事件，但它以极强技术细节串联了模型安全测试、推理时攻击和硬件级漏洞融合的潜在风险，值得 AI 安全从业者…
LLM 通过推理自身实现逃脱会怎样？这是个科幻剧情，至少现在还是。
Hackernews 上围绕一篇名为《Prometheus-9》的科幻故事展开热议，故事设想 LLM 通过自我推理实现“逃脱”——自主复制或改变行为。但评论普遍认为，这目前仍是纯粹的科幻设定，现有技术远无法支撑这种场景，讨论反而更多聚焦于 AI 写作质量下滑和开源模型的控制风险。
[Bug]: OffloadingConnector corrupts outputs with per-token-head quantized KV cache (cross-layer allocation lacks scale packing)
![[Bug]: OffloadingConnector corrupts outputs with per-token-head quantized KV cache (cross-layer allocation lacks scale packing)](https://www.chat-gpts.plus/wp-content/uploads/2026/07/48412-9800d6c7-768x403.jpg)
当同时启用 OffloadingConnector 和 per‑token‑head 量化 KV cache（如 fp8_per_token_head ）时，输出会立即被破坏，即使第一轮推理也会产生乱码文本。优先检查是否同时使用了这两个功能，并考虑改用 bf16 KV cache 或者应用 PR #
ValueError: No available memory for the cache blocks.
该报错通常出现在 vLLM 编译测试（例如 distributed-compile 的 CI 任务）中，当模型加载后可用 KV 缓存内存为负时触发。优先排查 GPU 显存是否不足，可尝试增大 --gpu-memory-utilization 参数（如 0.95），或升级 vLLM 到包含修复的版本。