llama.cpp b11295发布：缩短hrm_text测试固件修复Vulkan与WebGPU后端检查
该版本通过将hrm_text固件改为两个l-cycle，使fp16误差减半，重新低于 1e-4 NMSE阈值，修复Models Backend Check在Vulkan T4和WebGPU任务上的失败。
AI解读：llama.cpp发布b11295，核心改动是修复Models Backend Check：把hrm_text测试固件缩短，使fp16误差重新落回 1e-4 NMSE阈值以内。
问题出在固件本就设计为两个块在 8 个缓存槽里循环复用，误差会随复用累积，最终在Vulkan T4和WebGPU任务上越过 1e-4的NMSE上限，导致后端检查失败。
改法是让循环只跑两个l-cycle，既保留循环分支的覆盖，又把累积误差减半。这属于CI测试层面的修正，不改变llama.cpp的推理功能，用户拿到的是同一套多平台预编译包。
对使用预编译二进制的人，最实际的变化是版本号推进到b11295；对参与CI或本地复现Vulkan、WebGPU后端的开发者，这条修复解释了此前测试为何会因数值误差而非代码缺陷报红。
llama.cpp发布b11295。该版本的主要提交为“ci : fix Models Backend Check by shortening the hrm_text fixture (#29744)”。
提交说明称，hrm_text固件原本让它的两个块在 8 个缓存槽上循环复用，fp16误差因此不断累积，在Models Backend的Vulkan T4与WebGPU任务上超过 1e-4的NMSE边界。修改后用两个l-cycle，保留循环循环体的每个分支，并将误差减半。
修复的具体做法与生效范围
按照提交描述，hrm_text固件通过缩短自身来避免误差累积：它让两个块在 8 个缓存槽上循环复用，fp16误差会随复用叠加，越过 1e-4的NMSE上限。将循环改为两个l-cycle后，循环体的每个分支仍被覆盖，误差减半。这一改动针对的是CI中的Models Backend Check作业。
b11295随版本发布提供各平台预编译产物，包括macOS Apple Silicon（arm64）、macOS Intel（x64）、iOS XCFramework，Ubuntu x64/arm64/s390x（CPU）、Ubuntu x64/arm64（Vulkan）、Ubuntu x64 CUDA 12（含CUDA 12.8库）、Ubuntu x64/arm64 CUDA 13（含CUDA 13.4库）、Ubuntu x64 ROCm 10.0、Ubuntu x64 OpenVINO、Ubuntu x64 SYCL FP32/FP16、Linux arm64骁龙（CPU、Adreno GPU、Hexagon NPU）、Android arm64（CPU及骁龙版）、Windows x64/arm64 CPU、Windows arm64 OpenCL Adreno、Windows x64 CUDA 12（含CUDA 12.4 DLL）、Windows x64/arm64 CUDA 13（含CUDA 13.4 DLL）、Windows x64 Vulkan、Windows x64 OpenVINO、Windows x64 SYCL、Windows x64 ROCm 10.0，以及UI包。
- 提交编号：#29744，标题为ci : fix Models Backend Check by shortening the hrm_text fixture。
- 误差机制：hrm_text固件的两个块在 8 个缓存槽上循环复用，fp16误差累积后超过 1e-4 NMSE边界。
- 受影响的CI作业：Models Backend的Vulkan T4与WebGPU任务。
- 修复方式：改为两个l-cycle，保留循环体的每个分支并将误差减半。
- macOS Apple Silicon（arm64，启用KleidiAI）产物标记为DISABLED，openEuler相关产物同样标记为DISABLED。
- 发布页的Website与Attestations两项在来源内容中为空。
版本号与发布形态
b11295是llama.cpp的日常构建版本号，发布由github-actions[bot] 自动产出，附带的下载列表覆盖桌面、移动端与多种加速后端。发布说明中Website与Attestations字段没有内容，因此这两项没有可转述的信息。