llama.cpp b12470 哪些张量形状会涉及掩码广播修复?
llama.cpp b12470 修复 SYCL 后端的 MKL Flash Attention 路径。需要留意的形状是掩码头数或批次数大于一,同时少于对应的查询维度。

为什么掩码尺寸可以小于查询尺寸
该算子允许掩码按查询头或批次广播。少量掩码可在多个查询位置复用。旧实现直接按查询位置读取时,可能索引到掩码范围之外。

维护者发现了什么异常
在同一广播条件下,f16 K/V 复现了设备丢失错误,q8_0 K/V 复现了 NaN。这两种现象是维护者描述的复现条件。
预发布修复的范围
llama.cpp b12470 是预发布构建,说明明确指向 SYCL 的 MKL Flash Attention 路径。定位类似错误时,后端与算子路径均是判断条件。
免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。









