TL;DR: 用 Qwen3.5-9B（Q4_K）在單張 16GB AMD GPU 上跑本地 LLM-as-a-Verifier，每次 code comparison 約 0.5–2 秒，cache hit rate 66%，正確程式碼穩定給 1.0 分，有 bug 的給 0.0–0.14 分。16GB 跑 9B 模型綽綽有餘，還有空間跑其他服務。 這篇是實測續篇，前兩篇分別講了 架構設計 和 Docker 封裝 。前兩篇講的是「做什麼」跟「怎麼做」，這篇來量「到底多快」。 1. 測試環境 在一台 homelab Linux（CachyOS）上跑的： 項目 內容 GPU AMD 16GB（15.9 GiB）via ROCm 模型 Qwen3.5-9B（8.95B 參數，Q4_K ~5.7GB GGUF） 後端 llama.cpp（llama-server，ROCm HIP build） Verifier Docker container（llm-verifier），port 8010 模型 VRAM ~10.2 GB（模型本身 + 動態 KV cache） GPU 使用率 78% 系統 RAM 62 GB；使用 27 GB（swap 用了 9.3 GB） Context window 131,072 tokens MIN_SCORE 0.8 後端跑在另一台機器上，走 local Gigabit 網路連線。 2. Verifier 在幹嘛 docker-llm-as-a-verifier 包裝了 LLM-as-a-Verifier 這個研究套件，讀取 token-level log probability 來算連續分數，不是簡單的 yes/no 判斷。 Container 開了 7 個 HTTP endpoint： Endpoint Method 用途 /health GET 健康檢查 /v1/compare POST 兩組答案比對評分 /v1/select POST Best-of-N 選最佳 /v1/track POST Agent 軌跡分數追蹤 /v1/directed POST 導...
今天同事在翻他小四的兒子的台語課本，考我「島嶼」的台語怎麼念，我順口就念出來了，不過我怎麼會的我也就不知道了。現在小學生的台語課本，光是看音標，要不是知道該字詞的台語怎麼念，我還真的念不出來耶，小朋友們真是辛苦了！
這個網站算是我找到收集台語相關資訊最完整的一個了！不想被小孩子考倒嗎？到這裡來看看，點選所查詢出來的語詞旁邊的
大大支持這個網站的架設者！辛苦了！如果你喜歡的話，還有部落格小工具可以讓你放在側邊欄哦！
快去試試哦！
台語華語辭典
Thanks my dear for the visit, i am very happy to see you at my site, keep smilling and all the best...
回覆刪除我常有台語文章 希望獲益
回覆刪除簡附：
回覆刪除兒子釣魚有趣味(一)http://www.wretch.cc/blog/dragon421202/301222
謝謝龍頭的來訪, 看過您的文章, 想留言卻沒辦法耶~
回覆刪除記得小時候還蠻常在老家木材工廠後面的池溏釣魚的~ 懷念:D