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：Pentax MZ-L
使用底片：AGFA CT Precisa 100 過期
沖掃店家：公館五色鳥
朋友問說幹嘛拍成這個德性，在下分析有幾個原因，一是正片放過期，二是來不及退冰，三是拍到老樹之死底片也哀悽。
很抱歉，自以為是文青，搞得大家傷眼睛，照片隨便看就行。
九月初，看完沖好的 Minolta 卷七，想起沙崙又衝去。
沙灘上是好友的樂音，靈犬小白一旁聆聽。
沙灘上的小家庭，歡樂無比真溫馨。
Angel 玩得也盡興。
總算拍到一次馬兒沙灘行。
前幾個禮拜回台南，騎著 50 到處去。
返北刻意走 17，東石蚵仔”有夠青”。
趕快結束文青癮，使用正片”愛注意”。
其他本卷照片：Pentax MZ-L vol.22
過期片的難控制也是一種驚喜啊！
回覆刪除冰箱裏還躺了好幾卷咧！
Re: applepeel <575294782619196427>
回覆刪除我覺得過期負片還可以，過期正片比較不推薦。