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...
使用相機：Konica C35 Automatic
使用底片：Kodak UltraMax 400
沖掃店家：公館五色鳥
今年大概會是大量使用 RF 相機拍照的一年吧，還有好幾台等著沒測試，不過早已愛上這種輕裝上場的喜悅，稱之為拍照的樂趣應該不為過吧，沒有多餘的功能，光圈快門都不用管了，幾乎只有按下快門的那一瞬間才感覺到：阿，我拍了一張照片，甚至連快門聲都聽不見。
也不必用多餘的詞藻來描繪這種輕巧的小相機有多好，只能說，在不造成身體多餘負擔的前提之下，體會到一種回歸拍照最原始的樂趣。
雖然 RF 相機在拍攝遠距離的景物會有取景上的誤差，但那美麗的未知，亦莫名的美好。
底下看照片。
在石碇拍的前兩張，有特殊的色調，不曉得是不是漏光
不知道為什麼，每次看到教會場所總是覺得蠻有味道的
在宜蘭利澤簡的警察局，很有味道的建築
依著旅遊導覽找到利澤簡老街，散散步，導覽上著名的縣定古蹟：利生醫院，剛巧正在整修
午後雷陣雨之後大放晴的公企中心，暖陽斜射伴著天邊的白雲，還是讓我忍不住拍了幾張
不曉得從什麼時候開始，路燈的工作愈來愈繁重，除了監視器，還得掛上廣告
路上巧遇的小小婚紗店
其他本卷照片請至：Konica C35 automatic vol.1
留言
張貼留言
回應不用錢，請多多益善！懶得寫字按個讚也是相當感謝！