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...
當兵最大的收獲，便是從完全不會洗盤子、不會自己添飯的公子哥兒，
變成媽的長官的僕人。
剛進群部隊的時候，每頓飯打起來都是那麼的慌慌張張，一會被叫到東，一會兒又到西的，菜怎麼打，就是有人不滿意，每天有四五十隻眼睛死命地看著你，告訴你：「還不行哦，學弟你最好給我精壯一點。」
久了以後，慢慢地依序來了三個學弟，老一點的學長走了，剩下來的學長愈來愈少愛念的人，菜的時候，每天早上起來第一件事，就是把學長們在吹的電風扇收到庫 房，然後才敢下去盥洗，怎麼到現在我下面都有三個學弟了，而我動作也夠慢下床了，怎麼電風扇還是得要我搬到庫房，只嘆這世道全變了。
以往我們洗餐盤跟打仗一樣，沖水的水花一定會濺得全身濕透，現在怎麼發現學弟們技術這麼好，衣服乾得跟剛烘完一樣，我想這就是我們不如人的地方。
最近都在裝備保養，照道理裝備負責人應該都是直接下去進行各裝備的保養業務，但是隊上的公差勤務，照道理就是從最菜的拗起，怎麼到現在媽的都三個多月了，我早上還是得八點多弄到九點十點，然後才能下去弄自己的業務，媽的十點半又要出來打中飯了，真媽的靠北。
變成媽的長官的僕人。
剛進群部隊的時候，每頓飯打起來都是那麼的慌慌張張，一會被叫到東，一會兒又到西的，菜怎麼打，就是有人不滿意，每天有四五十隻眼睛死命地看著你，告訴你：「還不行哦，學弟你最好給我精壯一點。」
久了以後，慢慢地依序來了三個學弟，老一點的學長走了，剩下來的學長愈來愈少愛念的人，菜的時候，每天早上起來第一件事，就是把學長們在吹的電風扇收到庫 房，然後才敢下去盥洗，怎麼到現在我下面都有三個學弟了，而我動作也夠慢下床了，怎麼電風扇還是得要我搬到庫房，只嘆這世道全變了。
以往我們洗餐盤跟打仗一樣，沖水的水花一定會濺得全身濕透，現在怎麼發現學弟們技術這麼好，衣服乾得跟剛烘完一樣，我想這就是我們不如人的地方。
最近都在裝備保養，照道理裝備負責人應該都是直接下去進行各裝備的保養業務，但是隊上的公差勤務，照道理就是從最菜的拗起，怎麼到現在媽的都三個多月了，我早上還是得八點多弄到九點十點，然後才能下去弄自己的業務，媽的十點半又要出來打中飯了，真媽的靠北。
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！