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...
最近 Digital Photography School 有一篇由 Darren Rowse 所寫的『3 Stupidly Simple Reasons Why Most People’s Photography Does Not Improve』，談到為什麼我們拍照不會進步的三個簡單的理由，約略摘錄稍做整理如下：
一、你的相機是買來供養的。
請多花時間和你的相機培養感情，隨身帶著相機，是一種態度！
二、是等待，你必須等待。
你等待，是為了看見他人所忽視，而你異於常人的天賦將發現專屬於你的獨特場景！
三、你過份在意他人的看法。
是的，你每天帶著相機，並且時時觀望等待快門時機，但你忘了按下快門，框住為你停留的場景，只因為你擔心著別人對你拍攝事物的批評或不屑，或認為你的拍攝行為近乎白痴。
你，必須建立攝影自信，有很多方法，荒木大師會說，找個人一起出門拍照吧！
原文：3 Stupidly Simple Reasons Why Most People’s Photography Does Not Improve
拍照是一種生活，沒有好壞，以樂趣視之，開心就好，別忘了按快門呀！
三點都很有道理,也是我常做的事,
回覆刪除但第三點在台灣有時有點麻煩就是了...。
我翻這文主要也是因為符合自己的想法，只不過雖然是這麼做了，在下的技術也沒啥進步就是了，哈！
回覆刪除這大概是所謂知易行難吧，至少有這麼三條座右銘可以用。