ggml-backend-meta: multi buffers are unsupported leading to vulkan segfault
该报错通常发生在 llama.cpp 使用 Vulkan 后端、开启多设备张量并行（ -sm tensor ）并加载模型时，进程在模型加载阶段触发 SIGSEGV；日志中会先出现 ggml-backend-meta: multi buffers are unsupported leading to
标签： LLM
Eval bug: SYCL backend core dumps with A770 – “failed to get device memory size”
这个报错通常出现在 Linux 上使用 llama.cpp 的 SYCL 后端搭配 Intel Arc A770 启动 llama-server / llama-cli 时，启动阶段在获取设备显存大小失败后触发 ggml_abort 并 core dump。优先排查 SYCL 构建是否缺少 Inte
[Bug][ROCm/gfx942]: DeepSeek-V4-Flash silent retrieval corruption for prompts ≥ ~4-5k tokens (AITER sparse indexer)
![[Bug][ROCm/gfx942]: DeepSeek-V4-Flash silent retrieval corruption for prompts ≥ ~4-5k tokens (AITER sparse indexer)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/52109-0c477c70-768x403.jpg)
这类静默检索损坏通常出现在 ROCm/gfx942 上运行 DeepSeek-V4-Flash/Pro 并启用 AITER 稀疏索引器（DSA indexer）的长上下文场景中；当压缩后的候选 token 超过 index_topk 、开始真正发生 top-k 选择后，服务器不会报错，但 needl
top_logprobs is capped at 20, but nothing downstream requires that
当你在 Ollama 中通过 top_logprobs 请求超过 20 个候选 token 时，请求会在进入后端前被 Ollama 自己的请求校验拦截，报错信息为 top_logprobs is capped at 20, but nothing downstream requires that 。
bug: Improved Message Rendering drops message-level thinking on OpenAI-shaped ChatML messages
在 Langfuse 自托管版开启 Settings → Feature Previews → Improved Message Rendering（normalizedIoPreview）后，Formatted 视图会丢弃 OpenAI 风格 ChatML assistant 消息里 messag
[Bug]: rag/res/term.freq is loaded by term_weight but not shipped — every lowercase Latin token gets the same IDF
![[Bug]: rag/res/term.freq is loaded by term_weight but not shipped — every lowercase Latin token gets the same IDF](https://www.chat-gpts.plus/wp-content/uploads/2026/09/18414-d3efad56-768x403.jpg)
当你在 RAGFlow 中启用权重计算（term_weight）并处理英文、葡萄牙语、西班牙语、法语等拉丁字母语言时，启动日志出现 Load term.freq FAIL! ，且检索排序出现“停用词和内容词权重几乎相同”的异常，优先排查 rag/res/term.freq 是否存在、你的 RAGFl
[Bug]: Memory extraction stores an empty valid_at for semantic items, and an unparseable timestamp is written through unchanged
![[Bug]: Memory extraction stores an empty valid_at for semantic items, and an unparseable timestamp is written through unchanged](https://www.chat-gpts.plus/wp-content/uploads/2026/09/18415-7895e527-768x403.jpg)
该问题出现在 RAGFlow 记忆提取（Memory extraction）流程中，当模型返回的 valid_at 为空或不是合法 ISO 8601 字符串时，会被原样写入数据库；semantic 类目约有 6.5% 的条目出现空 valid_at ，并伴随日志中的 [Bug]: Memory ex
At its Made on YouTube event, YouTube unveils Custom Feeds, an LLM-powered feature that lets users generate and save tailored homepage video feeds, for US users (Reece Rogers/Wired)
YouTube 在 Made on YouTube 活动上推出 LLM 驱动的 Custom Feeds，美国用户可生成并保存个性化首页视频流，把推荐系统的控制权部分交给自然语言描述。
Metal: ~6% token-generation regression on gemma-4-26B-A4B since #28164 (fusion packing chains patterns, reducing concurrency)
在 Apple Silicon（Metal 后端）上用 llama.cpp 跑 Gemma 26B 系列模型做 token 生成时，若发现相对 b10908 及之前版本速度下降约 6–9%，通常是自 #28164（b10909 起）引入的 fusion packing 变更把多个 pattern 串
[Bug]: Multi card issue and multi token prediction (mtp) issue with Intel/Qwen3.6-35B-A3B-int4-mixed-AutoRound
![[Bug]: Multi card issue and multi token prediction (mtp) issue with Intel/Qwen3.6-35B-A3B-int4-mixed-AutoRound](https://www.chat-gpts.plus/wp-content/uploads/2026/09/53119-9a400882-768x403.jpg)
该报错通常出现在 Intel XPU（Arc Pro B70）上用 vLLM 部署 Intel/Qwen3.6-35B-A3B-int4-mixed-AutoRound 这类 int4 混合量化模型时，涉及 2 卡张量并行（TP=2）与多 Token 预测（MTP）/投机解码两类场景。优先排查量化后