标签： LLM

这是 llama.cpp 在 Mali-G925 Vulkan 后端运行 Qwen3.5 多模态模型时，前向填充阶段产生全 NaN logits 的数值缺陷，优先缩小 MUL_MAT 小 tile 的匹配范围（m≤32 且 n>32 时改用 medium tile）即可解决。

该报错发生在 llama.cpp 的 GitHub Actions 自动更新 winget-pkgs 包时，主要原因是 ggml-bot-2 的 winget-pkgs 仓库 fork 与上游 microsoft/winget-pkgs 的 master 分支不同步，优先检查并同步 fork 仓库即

该报错发生在 vLLM 使用 FlashMLA 稀疏 FP8 混合批次解码路径时，稀疏解码内核会分配一个随 --max-num-batched-tokens 线性增长的工作区，且该工作区不受启动时内存预检约束，批次增大后触发运行时 CUDA OOM。优先排查方向是调低 --max-num-batch

在 RAGFlow 使用 docker compose -f docker/docker-compose.yml up -d 启动时，阿里云/华为云服务器上常见的报错是拉取镜像时出现 TLS 证书校验失败。优先排查 Docker 镜像源（Registry Mirror）配置，必要时更换网络环境或配置

此报错主要出现在 Vulkan 后端的 Adreno 系列 GPU（子组大小 subgroupSize=128）上，运行 batched、broadcast、partial-tile 形状的矩阵乘法时导致 matmul 结果错误。优先排查并修复 ggml-vulkan 中 warptile 的 WA

这个报错通常发生在 llama-server 运行 gpt-oss-20b 模型、使用工具调用且开启 prompt cache 复用时，模型生成了不符合 Harmony 通道格式的畸形 头，导致整个回合的 PEG 解析失败。优先排查 cache 复用（ --cache-reu