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
标签： LLM
[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
[Bug] Ollama hardcodes Gemma 4 image token budget (max_soft_tokens=280), breaking OCR on high-resolution images
![[Bug] Ollama hardcodes Gemma 4 image token budget (max_soft_tokens=280), breaking OCR on high-resolution images](https://www.chat-gpts.plus/wp-content/uploads/2026/09/17152-d9c601c0-768x403.jpg)
当你在 Ollama 中用 Gemma 4 视觉模型读取高分辨率截图（如 1920x1080）时，模型可能错误地声称“There is no discernible text in this image”，原因是 Ollama 在送图前把图像静默降采样，导致文字细节丢失。优先确认当前 Ollama
Expose `max_soft_tokens` (image token budget) as a runtime parameter for Gemma 4 models
当你在 Ollama 中用 Gemma 4 系列模型（如 gemma4:e4b、gemma4:12b-it-q8_0）处理 OCR、文档解析、小字识别等细粒度视觉任务时，如果结果出现漏字、乱码、识别错误，通常是因为图像 token 预算被硬编码为 280，无法通过 API 或 Modelfile 调
[Bug]: MCP on host mode returns empty dataset ids
![[Bug]: MCP on host mode returns empty dataset ids](https://www.chat-gpts.plus/wp-content/uploads/2026/09/13183-415cd908-768x403.jpg)
在 host 模式下使用 RAGFlow 的 MCP 端点（/mcp 或 /sse）时，MCP 返回的 JSON 里数据集 ID 为空，导致模型不知道能调用哪些 dataset。优先排查你的 v0.24.0 镜像是否包含 PR #13123 的修复。
Misc. bug: [llama-server] /v1/models metadata serializes “vocab_type” as boolean true instead of integer enum
![Misc. bug: [llama-server] /v1/models metadata serializes "vocab_type" as boolean true instead of integer enum](https://www.chat-gpts.plus/wp-content/uploads/2026/09/29091-be13c69a-768x403.jpg)
这个报错出现在 llama.cpp 的 llama-server 中，调用 GET /v1/models 时返回的 data[0].meta.vocab_type 被序列化为布尔值 true ，而不是文档约定的整数枚举（例如 BPE 应为 2）。优先排查服务端版本是否落在 0.3.0 到 0.4.0