llama.cpp b10737发布：修复qwen4exp序列状态恢复与CUDA中止问题
新版本修复了Qwen4Exp的序列复制、块位置键控、多模态输入以及CUDA中止等缺陷，并为合成测试模型添加PLE以覆盖状态往返恢复。
llama.cpp发布b10737版本，修复Qwen4Exp架构的序列复制（seq_cp）、块位置键控、多模态（mtmd）输入和CUDA中止问题，并新增针对序列状态保存/恢复的回归测试。
该版本同时禁用了qwen4exp对张量并行（-sm tensor）的支持，因为此前实现存在缺陷。
主要修复内容
根据发布说明，本次更新包含 `-kvu` NaN折叠修复，以及索引器缓存中ext.x/ext.y字段恢复的修复。
开发者在memory-hybrid-idx上实现了 `set_input_qsa` 方法，此前该实现位于context中，现在与llama_kv_cache_context处理set_input_kq_mask的模式保持一致。
为qwen4exp添加了位置嵌入（PLE）的合成测试模型，以便状态测试能覆盖 `has_cell_ext()` 逻辑——该逻辑要求n_pos_per_embd() > 1 或存在PLE头。
测试与限制
新增测试验证序列状态在保存/恢复往返后保持完整：保存序列 0、擦除、再从blob恢复并再次保存，要求两个blob匹配。
说明指出该测试在master上对qwen4exp也能通过，因此不能证明ext.x/ext.y的丢失修复有效——要触发该问题需要二维mrope内容。
为合成qwen4exp添加PLE后，如果移除状态读取时的ext_set恢复，198 个字节的差异会出现在偏移 282092 处。
加载带PLE的模型需要两个额外修复：per_layer_token_embd的行数推导逻辑，以及拒绝在完整注意力层上使用带PLE的模型（此前会导致空指针崩溃）。
构建与平台支持
b10737提供macOS Apple Silicon/Intel、iOS XCFramework、Linux（Ubuntu x64/arm64/s390x，Vulkan、ROCm 7.14、OpenVINO、SYCL FP32/FP16变体）、Android arm64、Windows（x64 CPU、arm64 CPU、OpenCL Adreno、CUDA 12.4/13.3、Vulkan、OpenVINO、SYCL、ROCm 7.14）等平台的预编译二进制。
macOS Apple Silicon的KleidiAI支持当前禁用，openEuler相关构建同样禁用。