llama.cpp 發布 b11719，調整 CUDA fattn 越界檢查
llama.cpp 發布建置 b11719，本次唯一一項程式碼改動來自 PR #30572：ggml-cuda 的 fattn（flash attention）在 k_VKQ_max 等於 k_VKQ_max - nbatch_fa 時不再做越界檢查，只涉及 CUDA 後端的 flash attention 計算路徑。
原標題：b11719
閱讀原文
| 評分 | 32 / 42（平均 37，門檻 60） |
|---|---|
| 狀態 | 未入選 |
原文
相關報導
llama.cpp 發布 b11711：修復 CUDA fattn 編譯警告
llama.cpp 發布建置 b11711，唯一程式碼改動是修復 CUDA flash attention 向量分發中觸發的 -Wtautological-compare 編譯警告（#30519），提交者為 Adrien Gallouët。
llama.cpp 發布 b11424，修復 Vulkan Flash Attention 共享記憶體越界寫
llama.cpp 發布 b11424 建置版本，修復 Vulkan 後端 Flash Attention 的共享記憶體越界寫問題（#29988）。該版本照例提供 macOS/iOS、Linux、Windows、Android 的預編譯包，涵蓋 Vulkan、CUDA 12/13、ROCm 10.0、OpenVINO、SYCL、OpenCL 等後端，並附驍龍 CPU/Adreno GPU/Hexagon NPU 的安裝指引。
llama.cpp b11414 修復 Vulkan 後端 flash attention 與 soft_max 複用問…
llama.cpp 發布建置 b11414，本版列出的程式碼改動是 Vulkan 後端修復 prealloc_y 在 flash attention 與 soft_max 之間複用時殘留舊資料的問題（PR #29591），提交標註 Assisted-by: Claude。
llama.cpp 發布 b11402，CUDA 後端改用整塊 FlashAttention 排程
llama.cpp 發布 b11402 版本，CUDA 後端改為優先採用整塊（whole-tile）FlashAttention 排程，以提升兩階段核心效率。
llama.cpp b11724 修復 CUDA flash_attn_ext_vec 競態
llama.cpp 發布 b11724 建置，主要修復 CUDA 後端 flash_attn_ext_vec 中共享記憶體的寫後讀（WAR）冒險與 KQ 寫後讀競態，避免注意力計算出錯。補丁由社群貢獻者提交，並附 ChatGPT 協助說明，同時整理了 KQ 同步相關注釋。