标签： LLM

该报错出现在 vLLM 的 GatedDeltaNet（GDN）路径上，当一个调度批次里全部都是长度为 1 token 的行、且其中至少有一行是首次 chunk（ num_computed_tokens == 0 ）时，共享的 GDNAttentionMetadataBuilder 会把这条无状态的

这个报错通常出现在 LlamaIndex 的 FunctionAgent / Workflow 示例运行时，`workflow.run(...)` 阶段内部序列化缓存尝试把 workflow 对象当作 WeakKeyDictionary 的键，而 `FunctionAgent` 不可哈希，于是抛出

这个报错通常出现在 Intel XPU 上加载 Kimi-Linear-48B-A3B（及同属 Kimi-K3 家族）模型并首次执行 attention forward 时，原因是 MLA 的两个 CUDA-only 融合算子没有 XPU 实现。优先确认 vllm-xpu-kernels 是否已包含

当你在 vLLM 的离线 batch runner（如 vllm.entrypoints.llm ）里对音频输入启用说话人分离（diarization）时，带说话人轮次元数据的成功转写结果会被误判为流式请求，从而抛出 Request must not be sent in stream mode 。