标签： LLM

该报错是 DeepSeek-V4 模型在并行处理（ -np > 1 ）与投机解码（MTP/DSpark）同时启用时触发的 KV 缓存回滚重放 bug，导致长程注意力失效并输出乱码。优先排查是否同时启用了并行槽位和投机解码，并尝试暂时禁用投机解码或仅使用单槽位验证。

该报错是 llama.cpp 在 CUDA 后端执行推理时，GPU 因长时间被占用未响应导致驱动看门狗（Watchdog）超时并触发内核态重置（Xid 8），进而引发 cudaStreamSynchronize 同步失败。优先排查 GPU 看门狗超时时间设置及超长上下文推理导致的单次 Kernel

该报错发生在 llama.cpp 的 HIP 后端执行 GGML_OP_SOLVE_TRI 运算时，当矩阵维度超过自定义快速内核限制（n>64 或 k>32）而回退到 rocBLAS strsm 路径，而 rocBLAS 在 gfx906（MI50）上缺少预编译的 Strsm 内核导致崩溃。优先排查

该报错发生在 llama.cpp WebUI（llama-server）在 Linux 下通过 Wayland 会话粘贴图片时，剪贴板图片无法通过传统 paste 事件读取。优先排查浏览器是否因权限策略（如 SSL 证书、权限 API）阻止了异步剪贴板读取，可优先尝试通过点击“Paste image

该报错发生在 vLLM V2 Runner 启用流水线并行（PP=8）配合 DSpark 投机解码（DeepSeek-V4-Flash 模型）时，表现为长时间运行后 PP 末级 rank 死锁、采样 token 广播协议错位。优先排查 PP 广播的 NCCL 集体通信调度是否因数据依赖产生跨步错位，

该报错发生在 macOS Apple Silicon 上使用 llama.cpp 加载官方 LiquidAI LFM2.5-2.6B DSpark 草稿模型进行推测解码时，首次生成请求即触发原生图断言崩溃。优先排查 llama.cpp 版本是否过旧，升级到 v0.2.0（或 b10541 及以上）即

在 llama-server 中，当同时启用 `--embeddings`（或 `--embedding`）和 `--spec-type draft-mtp` 时，启动过程会因 GGML_ASSERT 失败而中止。优先排查方案是确保不要同时启用这两个选项，或尝试暂时移除 `--spec-type d