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...
(Samsung Galaxy SII，Retro Camera)
生平的第一次住院是什麼感覺？
持續的高燒不退，隔壁床的鄰居一個換過一個，手上的點滴卻久久未拆，妳疲憊至極而發腫的小眼睛，我不捨著。
在醫院裡，看著妳因為高燒而暴躁遷怒，原本心煩著妳怎麼變得這般任性的我，某個夜裡，突然有點懂妳的意思。
沒辦法親自照顧保護妳，其實是很遺憾也很無奈，年初以來生活方式與環境的改變，是為了妳的成長所做的安排。
妳也要自己學會怎麼保護自己不要被傳染感冒的好習慣，戴上口罩或者遠離咳嗽發燒的同儕。
現實生活向來如此，無法全在掌握之中，只能順著環境而適應，我想這也將是妳成長的一課。
自己心愛的被子要記得帶，自己的餐具要記得拿，飯也要乖乖吃，不要讓照顧你的長輩困擾。
目前沒辦法盡如妳意的，還請妳有所諒解，試著做個懂事聽話的孩子，會更得到大家的疼惜。
我懂妳的任性，是對我的抗議，真的很對不起，我忽略了妳，要讓妳用這樣的方式向我提醒。
勾勾手，一起努力！
我眼眶濕了，阿爸！
回覆刪除Re: 徐卡文 <6803135904669390066>
回覆刪除你是因為一號落選吧？
心疼，我兒子㐧一次住院時我也好難過，拍拍！祝早日康復
回覆刪除Re: applepeel <1021066971612532094>
回覆刪除謝謝蘋果皮兄。