Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

vLLM oracle: GPU page fault in ROCm Triton paged-attention fallback (Qwen3.5 GDN, IQ3_XXS, gfx1200)

Abierto
  • ¿Algo no está bien?
#3,167 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
32/100
Tipo de issue
Error
Claridad
Necesita aclaración
Estado de actividad
Activo
Stack tecnológico
cpp, docker
Área
backend, machine-learning, performance

Línea de trabajo

Lee .agents/oracles/vllm-gguf-plugin.md y reproduce la configuración fijada de ROCm/gfx1200 descrita aquí. Usa AMD_LOG_LEVEL/ROCM_DEBUG y, si es posible, reduce después el fallo a una reproducción más pequeña a nivel de Triton. Se considera terminado cuando se identifica una causa reproducible a nivel del kernel o una reproducción minimizada; mantén gateable = no hasta que la combinación emita un token.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Row: -

Found running ORACLE-VLLM-ROCM-GFX1200-DOCKER (#2961), against the pinned
vLLM oracle (e126687a9a8, ROCm/gfx1200, RX 9060 XT), loading
unsloth/Qwen3.8-27B-GGUF:UD-IQ3_XXS (a Qwen3.5-family Gated-Delta-Net
architecture) plus its mmproj-F16.gguf.

With language_model_only=True (skips multimodal dummy-data profiling) and
enforce_eager=True (skips CUDA-graph capture, whose own "minimal"
profiling KV buffer OOMs independently -- see the row's spec, ## Risks,
for that separate finding), model loading and KV-cache sizing both complete
successfully:

Available KV cache memory: 0.84 GiB
GPU KV cache size: 5,802 tokens, Maximum concurrency for 4,096 tokens per request: 1.42x
Free memory on device (15.82/15.92 GiB) on startup. ... Actual usage is 12.11 GiB
for consumed memory (weights + non-torch), 1.38 GiB for peak activation, and 0.0 GiB
for CUDAGraph memory.

Then, on the very next step:

WARNING [chunked_prefill_paged_decode.py:433] Cannot use ROCm custom paged attention
kernel, falling back to Triton implementation.
Memory access fault by GPU node-1 (Agent handle: 0x247ec020) on address 0x7f229fb44000.
Reason: Page not present or supervisor privilege.

This is a raw HIP-level trap -- no Python traceback names a line, and no
token is ever produced. This is vLLM's/Triton's own ROCm kernel dispatch,
not vllm.cpp code, so it is not fixed in the same flow here; root-causing
a page fault with no Python-level stack needs its own investigation
(AMD_LOG_LEVEL/ROCM_DEBUG, or reducing to a smaller Triton-level repro
off the full 27B model) rather than a guess landed in a hurry. Filed so
.agents/oracles/vllm-gguf-plugin.md has something concrete to point at
when it records this device: this combination has never emitted a token on
gfx1200, which is exactly the fact that keeps that file's gateable = no
correct rather than stale.

Lenguaje dominante
C++
Estrellas
423
Forks
53
Merge medio
1 d 7 h
PR fusionados (30 d)
382

Preparar el entorno

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de mudler/vllm.cpp

Todos los issues de mudler/vllm.cpp

Issues similares

Más issues de C++

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.