标签： LLM

这个报错通常出现在 llama.cpp 使用 Vulkan 后端启动 llama-server 加载模型时，设备显存不足以分配指定大小的 buffer。本次 Issue 中，根因不是模型本身，而是默认 slot 数量导致自动扩展上下文，进而把峰值显存需求推高。优先检查 llama-server 的

该报错通常出现在 llama.cpp Hexagon(HTP/HVX)后端加载并执行大模型时，DMA 队列在 stride overflow 回退路径中提前 flush，破坏了调用方对 push/pop 数量及 dst 指针的预期，进而让 DSP 崩溃。优先确认是否运行在 HVX < 75 的 He

这个报错通常出现在 llama.cpp 已用 LLAMA_CUDA=1 成功编译、但运行时 CUDA 初始化失败的场景，优先排查内核模块 nvidia_uvm 是否已加载，以及 CUDA 运行时与驱动/设备状态是否匹配。