llama.cpp b11310修复CUDA后端IQ4_NL反量化越界写入
llama.cpp发布b11310，其中cuda部分修复了IQ4_NL反量化行内核在短行上的越界读写问题（#29683）。
AI解读：这条更新的核心是一个内存安全修复，不是性能或功能变化。IQ4_NL量化的行长度只保证是QK4_NL的倍数，而dequantize_block_iq4_nl每个block固定写QK_K个值，当行比QK_K短时，线程会读写到行尾之外。
修复方式是跳过起点已到或超过k的 32 值子块；如果行长度本身就是QK_K的倍数，这个检查永远不会触发。也就是说，改动只影响那些行长度不是QK_K倍数的IQ4_NL张量。
对使用CUDA后端加载IQ4_NL量化模型的人来说，这类越界访问此前可能表现为结果错误或进程崩溃，具体是否发生取决于模型的行长度布局。升级到b11310即可拿到该修复，其他后端和行长度对齐的模型不受影响。
注意这是发布说明级别的信息，来源只给出了改动描述和下载链接，没有提供复现用例、影响范围统计或性能数据。
llama.cpp发布b11310版本，其CUDA后端针对IQ4_NL反量化行内核新增了对短行的保护（PR #29683）。
改动说明指出：dequantize_block_iq4_nl每个block写入QK_K个值，但一行可以比QK_K短——IQ4_NL行只保证是QK4_NL的倍数。当前，32 值子块起点等于或超过k的线程会读写越过该行的末尾。
修复方式是跳过这些子块。说明同时指出，对于行长度是QK_K倍数的行，该检查永远不会触发。
该版本随附macOS/iOS、Linux、Android、Windows等多平台二进制与库下载，包括CUDA 12.8/12.4、CUDA 13.4、ROCm 10.0、Vulkan、OpenVINO、SYCL、OpenCL Adreno等构建；macOS上KleidiAI启用版仍标记为DISABLED，openEuler构建同样标记为DISABLED。来源未提供这些构建的额外说明。