![[Bug]: kv_cache_utils warns that prefix-cache reuse is disabled even when disable_eagle_block_drop keeps it working](https://www.chat-gpts.plus/wp-content/uploads/2026/11/55518-05700b36-768x403.jpg)
这个报错通常出现在 vLLM 启用 EAGLE 投机解码，同时模型含 Mamba KV group，并通过 --speculative-config 设置 "disable_eagle_block_drop": true 的场景。实际应以 use_eagle_block_drop() 是否启用作为判
![[Bug]: bench serve drops custom headers when stopping the profiler](https://www.chat-gpts.plus/wp-content/uploads/2026/11/55746-ba300666-768x403.jpg)
使用 vllm bench serve --profile --header ... 时，如果服务端或中间代理要求自定义请求头，profiler 的停止请求会因缺少这些头而返回 401，导致 trace 未导出。优先排查 bench 客户端在 /stop_profile 请求中是否携带了 extra
Hugging Face Papers 收录的论文提出 TB-MathModel，用 18 道 2023—2025 年 CUMCM/MCM 真题构建终端式数学建模智能体基准，把最终数值答案与可行性校验打通，试图解决“模型自评、数据不受检”的老问题。
Anthropic 于 2026 年 11 月 6 日发布 Claude Code v2.1.319，重点调整了自动模式在关闭遥测或 LLM 网关环境下的安全检查策略，同步新增 MCP 任务后台执行、权限直接拒绝等一批开发向功能。
Compile bug: CUDA11 sm_50 fails in lightning-indexer.cu 通常出现在为旧架构（尤其 sm_50 ）编译 CUDA 后端时， lightning-indexer.cu 中实例化的 get_dequantize_V 触发 fattn-common.c
在 llama.cpp 的 Vulkan 后端下，AMD 独显未开启 Resizable BAR（或驱动把 DEVICE_LOCAL | HOST_VISIBLE 显存放置到系统内存）时，token 生成（tg）会异常变慢；应优先检查 BAR 设置与 GGML_VK_DISABLE_HOST_VIS
该报错通常出现在 SM120（Blackwell RTX PRO 6000 等）上启动 DeepSeek-V4.1-Flash、TP8 稀疏 MLA 推理时：压缩层（compress_ratio=2）把 KV page block size 算成 32，而 FlashInfer 的 SM120 稀疏
![[Bug]: GLM-5.2 MTP accepts 0% of drafts on MI355X (gfx950); disabling expert parallelism hits hipErrorIllegalAddress](https://www.chat-gpts.plus/wp-content/uploads/2026/11/52833-24d1036b-768x403.jpg)
这是在 AMD MI355X (gfx950) + ROCm 上，用 vLLM 0.27.1 跑 GLM-5.2-MXFP4 并启用 MTP 投机解码时出现的“草稿接受率为 0”问题；通常优先排查 AITER MLA FP4/FP8 BMM 相关开关，以及由 EP 关闭引发的 hipErrorIll
在开启 VLLM_USE_AOT_COMPILE=1 时，AOT 编译缓存的 key 只由 vLLM 配置、环境因子、inductor 因子和 forward 源码哈希组成，不包含 LoRA 包裹后的模块树；因此当同一份配置下“被包裹的层集合”发生变化时，会命中旧缓存并加载参数名不匹配的计算图，最终
arXiv 于 2026 年 11 月 6 日发布的一篇新论文提出 PromptOps 闭环框架，用于持续监控和迭代校准“大模型当裁判”（LLM-as-a-Judge）系统，应对模型评分随用户交互和分数分布变化而偏离人工评测政策的问题。