llama.cpp
llama.cpp copied to clipboard
llama_kv_cache_seq_shift does not work with cache type q4_0
The llama_kv_cache_seq_shift
or llama_kv_cache_seq_rm
(or all two of them) is broken with cache type q4_0 for K.
In the main.cpp
, these functions are used for "context swapping", meaning we can remove old tokens from sequence to make place for new tokens.
My command: ./main -m ../dolphin-2.0-mistral-7b.Q4_K_M.gguf -p "test" -n 50 --cache-type-k q4_0 -c 10
(It does work normal without the --cache-type-k q4_0
)
See the log below for more details:
stdout / stderr
Log start
main: build = 2232 (7fe4678b)
main: built with cc (Ubuntu 11.4.0-1ubuntu1~22.04) 11.4.0 for x86_64-linux-gnu
main: seed = 1708557165
llama_model_loader: loaded meta data with 20 key-value pairs and 291 tensors from ../dolphin-2.0-mistral-7b.Q4_K_M.gguf (version GGUF V2)
llama_model_loader: Dumping metadata keys/values. Note: KV overrides do not apply in this output.
llama_model_loader: - kv 0: general.architecture str = llama
llama_model_loader: - kv 1: general.name str = ehartford_dolphin-2.0-mistral-7b
llama_model_loader: - kv 2: llama.context_length u32 = 32768
llama_model_loader: - kv 3: llama.embedding_length u32 = 4096
llama_model_loader: - kv 4: llama.block_count u32 = 32
llama_model_loader: - kv 5: llama.feed_forward_length u32 = 14336
llama_model_loader: - kv 6: llama.rope.dimension_count u32 = 128
llama_model_loader: - kv 7: llama.attention.head_count u32 = 32
llama_model_loader: - kv 8: llama.attention.head_count_kv u32 = 8
llama_model_loader: - kv 9: llama.attention.layer_norm_rms_epsilon f32 = 0.000010
llama_model_loader: - kv 10: llama.rope.freq_base f32 = 10000.000000
llama_model_loader: - kv 11: general.file_type u32 = 15
llama_model_loader: - kv 12: tokenizer.ggml.model str = llama
llama_model_loader: - kv 13: tokenizer.ggml.tokens arr[str,32000] = ["<unk>", "<s>", "</s>", "<0x00>", "<...
llama_model_loader: - kv 14: tokenizer.ggml.scores arr[f32,32000] = [0.000000, 0.000000, 0.000000, 0.0000...
llama_model_loader: - kv 15: tokenizer.ggml.token_type arr[i32,32000] = [2, 3, 3, 6, 6, 6, 6, 6, 6, 6, 6, 6, ...
llama_model_loader: - kv 16: tokenizer.ggml.bos_token_id u32 = 1
llama_model_loader: - kv 17: tokenizer.ggml.eos_token_id u32 = 2
llama_model_loader: - kv 18: tokenizer.ggml.unknown_token_id u32 = 0
llama_model_loader: - kv 19: general.quantization_version u32 = 2
llama_model_loader: - type f32: 65 tensors
llama_model_loader: - type q4_K: 193 tensors
llama_model_loader: - type q6_K: 33 tensors
llm_load_vocab: special tokens definition check successful ( 259/32000 ).
llm_load_print_meta: format = GGUF V2
llm_load_print_meta: arch = llama
llm_load_print_meta: vocab type = SPM
llm_load_print_meta: n_vocab = 32000
llm_load_print_meta: n_merges = 0
llm_load_print_meta: n_ctx_train = 32768
llm_load_print_meta: n_embd = 4096
llm_load_print_meta: n_head = 32
llm_load_print_meta: n_head_kv = 8
llm_load_print_meta: n_layer = 32
llm_load_print_meta: n_rot = 128
llm_load_print_meta: n_embd_head_k = 128
llm_load_print_meta: n_embd_head_v = 128
llm_load_print_meta: n_gqa = 4
llm_load_print_meta: n_embd_k_gqa = 1024
llm_load_print_meta: n_embd_v_gqa = 1024
llm_load_print_meta: f_norm_eps = 0.0e+00
llm_load_print_meta: f_norm_rms_eps = 1.0e-05
llm_load_print_meta: f_clamp_kqv = 0.0e+00
llm_load_print_meta: f_max_alibi_bias = 0.0e+00
llm_load_print_meta: n_ff = 14336
llm_load_print_meta: n_expert = 0
llm_load_print_meta: n_expert_used = 0
llm_load_print_meta: rope scaling = linear
llm_load_print_meta: freq_base_train = 10000.0
llm_load_print_meta: freq_scale_train = 1
llm_load_print_meta: n_yarn_orig_ctx = 32768
llm_load_print_meta: rope_finetuned = unknown
llm_load_print_meta: model type = 7B
llm_load_print_meta: model ftype = Q4_K - Medium
llm_load_print_meta: model params = 7.24 B
llm_load_print_meta: model size = 4.07 GiB (4.83 BPW)
llm_load_print_meta: general.name = ehartford_dolphin-2.0-mistral-7b
llm_load_print_meta: BOS token = 1 '<s>'
llm_load_print_meta: EOS token = 2 '</s>'
llm_load_print_meta: UNK token = 0 '<unk>'
llm_load_print_meta: LF token = 13 '<0x0A>'
llm_load_tensors: ggml ctx size = 0.11 MiB
llm_load_tensors: CPU buffer size = 4165.37 MiB
...............................................................................................
llama_new_context_with_model: n_ctx = 10
llama_new_context_with_model: freq_base = 10000.0
llama_new_context_with_model: freq_scale = 1
llama_kv_cache_init: CPU KV buffer size = 0.80 MiB
llama_new_context_with_model: KV self size = 0.80 MiB, K (q4_0): 0.18 MiB, V (f16): 0.62 MiB
llama_new_context_with_model: CPU input buffer size = 9.03 MiB
llama_new_context_with_model: CPU compute buffer size = 1.41 MiB
llama_new_context_with_model: graph splits (measure): 1
system_info: n_threads = 8 / 16 | AVX = 1 | AVX_VNNI = 1 | AVX2 = 1 | AVX512 = 0 | AVX512_VBMI = 0 | AVX512_VNNI = 0 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 0 | SSE3 = 1 | SSSE3 = 1 | VSX = 0 | MATMUL_INT8 = 0 |
sampling:
repeat_last_n = 64, repeat_penalty = 1.100, frequency_penalty = 0.000, presence_penalty = 0.000
top_k = 40, tfs_z = 1.000, top_p = 0.950, min_p = 0.050, typical_p = 1.000, temp = 0.800
mirostat = 0, mirostat_lr = 0.100, mirostat_ent = 5.000
sampling order:
CFG -> Penalties -> top_k -> tfs_z -> typical_p -> top_p -> min_p -> temperature
generate: n_ctx = 10, n_batch = 512, n_predict = 50, n_keep = 1
test "Authentication page is displayed" do
GGML_ASSERT: ggml.c:12646: false
GGML_ASSERT: ggml.c:12646: false
GGML_ASSERT: ggml.c:12646: false
GGML_ASSERT: ggml.c:12646: false
GGML_ASSERT: ggml.c:12646: false
GGML_ASSERT: ggml.c:12646: false
GGML_ASSERT: ggml.c:12646: false
GGML_ASSERT: ggml.c:12646: false
[1] 2211794 IOT instruction (core dumped)
main.log
[1708557165] Log start
[1708557165] Cmd: ./main -m ../dolphin-2.0-mistral-7b.Q4_K_M.gguf -p test -n 50 --cache-type-k q4_0 -c 10
[1708557165] main: build = 2232 (7fe4678b)
[1708557165] main: built with cc (Ubuntu 11.4.0-1ubuntu1~22.04) 11.4.0 for x86_64-linux-gnu
[1708557165] main: seed = 1708557165
[1708557165] main: llama backend init
[1708557165] main: load the model and apply lora adapter, if any
[1708557165] llama_model_loader: loaded meta data with 20 key-value pairs and 291 tensors from ../dolphin-2.0-mistral-7b.Q4_K_M.gguf (version GGUF V2)
[1708557165] llama_model_loader: Dumping metadata keys/values. Note: KV overrides do not apply in this output.
[1708557165] llama_model_loader: - kv 0: general.architecture str = llama
[1708557165] llama_model_loader: - kv 1: general.name str = ehartford_dolphin-2.0-mistral-7b
[1708557165] llama_model_loader: - kv 2: llama.context_length u32 = 32768
[1708557165] llama_model_loader: - kv 3: llama.embedding_length u32 = 4096
[1708557165] llama_model_loader: - kv 4: llama.block_count u32 = 32
[1708557165] llama_model_loader: - kv 5: llama.feed_forward_length u32 = 14336
[1708557165] llama_model_loader: - kv 6: llama.rope.dimension_count u32 = 128
[1708557165] llama_model_loader: - kv 7: llama.attention.head_count u32 = 32
[1708557165] llama_model_loader: - kv 8: llama.attention.head_count_kv u32 = 8
[1708557165] llama_model_loader: - kv 9: llama.attention.layer_norm_rms_epsilon f32 = 0.000010
[1708557165] llama_model_loader: - kv 10: llama.rope.freq_base f32 = 10000.000000
[1708557165] llama_model_loader: - kv 11: general.file_type u32 = 15
[1708557165] llama_model_loader: - kv 12: tokenizer.ggml.model str = llama
[1708557165] llama_model_loader: - kv 13: tokenizer.ggml.tokens arr[str,32000] = ["<unk>", "<s>", "</s>", "<0x00>", "<...
[1708557165] llama_model_loader: - kv 14: tokenizer.ggml.scores arr[f32,32000] = [0.000000, 0.000000, 0.000000, 0.0000...
[1708557165] llama_model_loader: - kv 15: tokenizer.ggml.token_type arr[i32,32000] = [2, 3, 3, 6, 6, 6, 6, 6, 6, 6, 6, 6, ...
[1708557165] llama_model_loader: - kv 16: tokenizer.ggml.bos_token_id u32 = 1
[1708557165] llama_model_loader: - kv 17: tokenizer.ggml.eos_token_id u32 = 2
[1708557165] llama_model_loader: - kv 18: tokenizer.ggml.unknown_token_id u32 = 0
[1708557165] llama_model_loader: - kv 19: general.quantization_version u32 = 2
[1708557165] llama_model_loader: - type f32: 65 tensors
[1708557165] llama_model_loader: - type q4_K: 193 tensors
[1708557165] llama_model_loader: - type q6_K: 33 tensors
[1708557165] llm_load_vocab: special tokens definition check successful ( 259/32000 ).
[1708557165] llm_load_print_meta: format = GGUF V2
[1708557165] llm_load_print_meta: arch = llama
[1708557165] llm_load_print_meta: vocab type = SPM
[1708557165] llm_load_print_meta: n_vocab = 32000
[1708557165] llm_load_print_meta: n_merges = 0
[1708557165] llm_load_print_meta: n_ctx_train = 32768
[1708557165] llm_load_print_meta: n_embd = 4096
[1708557165] llm_load_print_meta: n_head = 32
[1708557165] llm_load_print_meta: n_head_kv = 8
[1708557165] llm_load_print_meta: n_layer = 32
[1708557165] llm_load_print_meta: n_rot = 128
[1708557165] llm_load_print_meta: n_embd_head_k = 128
[1708557165] llm_load_print_meta: n_embd_head_v = 128
[1708557165] llm_load_print_meta: n_gqa = 4
[1708557165] llm_load_print_meta: n_embd_k_gqa = 1024
[1708557165] llm_load_print_meta: n_embd_v_gqa = 1024
[1708557165] llm_load_print_meta: f_norm_eps = 0.0e+00
[1708557165] llm_load_print_meta: f_norm_rms_eps = 1.0e-05
[1708557165] llm_load_print_meta: f_clamp_kqv = 0.0e+00
[1708557165] llm_load_print_meta: f_max_alibi_bias = 0.0e+00
[1708557165] llm_load_print_meta: n_ff = 14336
[1708557165] llm_load_print_meta: n_expert = 0
[1708557165] llm_load_print_meta: n_expert_used = 0
[1708557165] llm_load_print_meta: rope scaling = linear
[1708557165] llm_load_print_meta: freq_base_train = 10000.0
[1708557165] llm_load_print_meta: freq_scale_train = 1
[1708557165] llm_load_print_meta: n_yarn_orig_ctx = 32768
[1708557165] llm_load_print_meta: rope_finetuned = unknown
[1708557165] llm_load_print_meta: model type = 7B
[1708557165] llm_load_print_meta: model ftype = Q4_K - Medium
[1708557165] llm_load_print_meta: model params = 7.24 B
[1708557165] llm_load_print_meta: model size = 4.07 GiB (4.83 BPW)
[1708557165] llm_load_print_meta: general.name = ehartford_dolphin-2.0-mistral-7b
[1708557165] llm_load_print_meta: BOS token = 1 '<s>'
[1708557165] llm_load_print_meta: EOS token = 2 '</s>'
[1708557165] llm_load_print_meta: UNK token = 0 '<unk>'
[1708557165] llm_load_print_meta: LF token = 13 '<0x0A>'
[1708557165] llm_load_tensors: ggml ctx size = 0.11 MiB
[1708557166] llm_load_tensors: CPU buffer size = 4165.37 MiB
[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166] .[1708557166]
[1708557166] llama_new_context_with_model: n_ctx = 10
[1708557166] llama_new_context_with_model: freq_base = 10000.0
[1708557166] llama_new_context_with_model: freq_scale = 1
[1708557166] llama_kv_cache_init: CPU KV buffer size = 0.80 MiB
[1708557166] llama_new_context_with_model: KV self size = 0.80 MiB, K (q4_0): 0.18 MiB, V (f16): 0.62 MiB
[1708557166] llama_new_context_with_model: CPU input buffer size = 9.03 MiB
[1708557166] llama_new_context_with_model: CPU compute buffer size = 1.41 MiB
[1708557166] llama_new_context_with_model: graph splits (measure): 1
[1708557166] warming up the model with an empty run
[1708557166] n_ctx: 10
[1708557166]
[1708557166] system_info: n_threads = 8 / 16 | AVX = 1 | AVX_VNNI = 1 | AVX2 = 1 | AVX512 = 0 | AVX512_VBMI = 0 | AVX512_VNNI = 0 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 0 | SSE3 = 1 | SSSE3 = 1 | VSX = 0 | MATMUL_INT8 = 0 |
[1708557166] add_bos: 1
[1708557166] tokenize the prompt
[1708557166] prompt: "test"
[1708557166] tokens: [ '':1, ' test':1369 ]
[1708557166] recalculate the cached logits (check): embd_inp.empty() false, n_matching_session_tokens 0, embd_inp.size() 2, session_tokens.size() 0, embd_inp.size() 2
[1708557166] inp_pfx: [ '':1, ' ':28705, '':13, '':13, '###':27332, ' Inst':3133, 'ruction':3112, ':':28747, '':13, '':13 ]
[1708557166] inp_sfx: [ ' ':28705, '':13, '':13, '###':27332, ' Response':12107, ':':28747, '':13, '':13 ]
[1708557166] cml_pfx: [ '':1, ' ':28705, '':13, '<':28789, '|':28766, 'im':321, '_':28730, 'start':2521, '|':28766, '>':28767, 'user':1838, '':13 ]
[1708557166] cml_sfx: [ ' <':523, '|':28766, 'im':321, '_':28730, 'end':416, '|':28766, '>':28767, '':13, '<':28789, '|':28766, 'im':321, '_':28730, 'start':2521, '|':28766, '>':28767, 'ass':489, 'istant':11143, '':13 ]
[1708557166] sampling:
repeat_last_n = 64, repeat_penalty = 1.100, frequency_penalty = 0.000, presence_penalty = 0.000
top_k = 40, tfs_z = 1.000, top_p = 0.950, min_p = 0.050, typical_p = 1.000, temp = 0.800
mirostat = 0, mirostat_lr = 0.100, mirostat_ent = 5.000
[1708557166] sampling order:
CFG -> Penalties -> top_k -> tfs_z -> typical_p -> top_p -> min_p -> temperature
[1708557166] generate: n_ctx = 10, n_batch = 512, n_predict = 50, n_keep = 1
[1708557166]
[1708557166] embd_inp.size(): 2, n_consumed: 0
[1708557166] eval: [ '':1, ' test':1369 ]
[1708557166] n_past = 2
[1708557166] sampled token: 345: ' "'
[1708557166] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345 ]
[1708557166] n_remain: 49
[1708557166] eval: [ ' "':345 ]
[1708557166] n_past = 3
[1708557166] sampled token: 19504: 'Authentication'
[1708557166] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345, 'Authentication':19504 ]
[1708557166] n_remain: 48
[1708557166] eval: [ 'Authentication':19504 ]
[1708557166] n_past = 4
[1708557166] sampled token: 2884: ' page'
[1708557166] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345, 'Authentication':19504, ' page':2884 ]
[1708557166] n_remain: 47
[1708557166] eval: [ ' page':2884 ]
[1708557167] n_past = 5
[1708557167] sampled token: 349: ' is'
[1708557167] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345, 'Authentication':19504, ' page':2884, ' is':349 ]
[1708557167] n_remain: 46
[1708557167] eval: [ ' is':349 ]
[1708557167] n_past = 6
[1708557167] sampled token: 13992: ' displayed'
[1708557167] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345, 'Authentication':19504, ' page':2884, ' is':349, ' displayed':13992 ]
[1708557167] n_remain: 45
[1708557167] eval: [ ' displayed':13992 ]
[1708557167] n_past = 7
[1708557167] sampled token: 28739: '"'
[1708557167] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345, 'Authentication':19504, ' page':2884, ' is':349, ' displayed':13992, '"':28739 ]
[1708557167] n_remain: 44
[1708557167] eval: [ '"':28739 ]
[1708557167] n_past = 8
[1708557167] sampled token: 511: ' do'
[1708557167] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345, 'Authentication':19504, ' page':2884, ' is':349, ' displayed':13992, '"':28739, ' do':511 ]
[1708557167] n_remain: 43
[1708557167] eval: [ ' do':511 ]
[1708557167] n_past = 9
[1708557167] sampled token: 13: '
'
[1708557167] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345, 'Authentication':19504, ' page':2884, ' is':349, ' displayed':13992, '"':28739, ' do':511, '':13 ]
[1708557167] n_remain: 42
[1708557167] eval: [ '':13 ]
[1708557167] n_past = 10
[1708557167] sampled token: 28705: ' '
[1708557167] last: [ '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':0, '':1, ' test':1369, ' "':345, 'Authentication':19504, ' page':2884, ' is':349, ' displayed':13992, '"':28739, ' do':511, '':13, ' ':28705 ]
[1708557167] n_remain: 41
[1708557167] context full, swapping: n_past = 10, n_left = 9, n_ctx = 10, n_keep = 1, n_discard = 4
[1708557167] after swap: n_past = 6, n_past_guidance = 0
[1708557167] embd: [ ' ':28705 ]
[1708557167] clear session path
[1708557167] eval: [ ' ':28705 ]