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...
(Minolta XE，Fujinon EBC 55mm f1.8 M42，Konica Centuria Super 200 增半格拍增一格沖)
使用相機：Minolta XE，Fujinon EBC 55mm f1.8 M42、Zenit Helios-44m-7 58mm f2 M42、MC W.ROKKOR 28mm f3.5
使用底片：Konica Centuria Super 200 過期原裝片，增半格拍增一格沖
沖掃店家：公館五色鳥
這卷主要是想測試 Minolta SR Mount 轉接 M42 鏡頭的轉接環，實際使用之後，發現 M42 鏡頭也不是全部都能轉接使用，像 Pentax s-m-c 24mm f3.5 好像是因為鏡尾很後面，接上去接環會很緊，光圈環沒辦法再調；另外像是 Fujinon EBC 55mm f1.8 這顆，則是沒辦法完全頂入頂針，光圈最小只到 f11。至於使用上就是只能縮光圈對焦測光。
第一卷拍，又是用增感拍，其實不是很確定機身測光的狀況，就看第二卷沖完是什麼狀況會比較準一些，底下還是看照片吧！
後記：我發現，我應該是增一格半拍，想增兩格沖，卻只增一格沖了，因此本來應該是會亮半格左右，最後沖出來的結果變成暗半格，以後一定要先看一下筆記再送沖掃....已經兩次搞錯了~ 每次都太有自信.... 我老了...
轉接 Fujinon EBC 55mm f1.8 拍的》
轉接 Zenit Helios-44m-7 58mm f2 拍的》
最後是用 Minolta MC W.Rokkor 28mm f3.5 拍的》
本卷其他照片：Flickr Set：Minolta XE 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！