Two Bugs That Hid in Plain Sight: A vLLM Debugging Detective Story — Asaf Gardin & Yuval Belfer
Asaf Gardin och Yuval Belfer berättar om två buggar de hittade i vLLM, ett verktyg för att köra stora språkmodeller snabbt.
Den första buggen gjorde att modellen ungefär en gång per tusen förfrågningar returnerade meningslös text — utan att krascha eller varna. De löste det genom att minska GPU-minnet för att reproducera felet, jämförde resultat mot en referensimplementering, och upptäckte att kernels kördes i fel ordning för fel förfrågan: decode innan prefill, vilket bara Mamba-modellen märkte eftersom den läser sitt cacheminne före den skriver. Den andra buggen orsakades av ett 32-bitars index som överflödade efter fyra miljarder — fixat genom att byta till en större datatyp. Båda buggorna gömde sig i Mamba-statens cache och väcktes av minnesbelastning.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
What Runs Where? Local AI in Production — Ahmad Osman, Osmantic
AI Engineer 21 nov.
Experts say AI has made planning cyberattacks on industrial equipment faster by helping attackers read manuals and research past accidents more quickly
Techmeme för 2 tim sedan
Current and former officials from the US and other countries describe the Chinese spy agency MSS' campaign to help Chinese companies acquire advanced AI chips
Techmeme för 6 tim sedan
Tesla rolls out FSD v15, featuring a photorealistic rendering of car surroundings; Elon Musk says it is real-time AI video generation without using game engines
Techmeme för 7 tim sedan
