标签： LLM

用户使用 llama-server 加载 Qwen3-Embedding GGUF 模型（0.6B-Q8_0 或 4B-Q4_K_M），启动进程中触发断言失败。涉及 Intel Arc 系列显卡（B70 / B570），编译工具链为 IntelLLVM 2026.0.0，GGML backend 为

用户运行 llama-server 服务（通过 llama-server -m model.gguf 启动），在浏览器（如 Firefox、LibreWolf）中打开内置 Web UI，发送多个提示词并等待 AI 生成回答。当生成内容超过一页时，页面滚动行为异常。

用户使用 llama-server 在 Mac/Linux 上以 CUDA 后端运行 unsloth/Qwen3.6-35B-A3B 模型，采用了 --jinja 和外部 --chat-template-file 自定义聊天模板（XML 工具调用方言： <function=NA

用户在 RAGFlow 的知识图谱（Knowledge Graph）RAPTOR 功能中，通过界面尝试将搜索范围从 "Single File" 切换为 "Entire Library" 时，保存后设置自动还原为 "Single File"，导致无法切换到全部文库进行检索。

用户在配备 Intel Iris Xe Graphics（8GB VRAM）的笔记本电脑上运行 Ollama，尝试加载 DeepSeek 8B 模型时，发现 GPU 未被利用，模型运行完全依赖 CPU，导致整机性能严重下降。