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...
首先，我坦言這陣子是躲了起來，軍中連番的弊案讓我羞愧的無地自容。 其一是軍車撞死民人案例，肇事駕駛仗恃背景，壓下此事不對外公開，只使得該群某連隊取消榮譽假一個月，肇事者取消榮譽假三個月，爾後壓車軍士官必須是志願役中士以上，以往那種壓車出去爽的光景，不復存在。 其二是軍中不肖軍官經營地下錢莊，並勾結人蛇集團，經營應召站，群裡多名軍官涉案，指揮官及處長調職。沒想到呀沒想到，咱們板哥張少校竟然是搞這檔生意的 呀，群裡面處男級的弟兄，也不打個折照顧照顧，現在才會搞成這樣，活該！誰叫你不報便宜一點的價錢，現在好了吧！ 其三是阿魯巴事件，搞得某中將被拔階，雖然這件事相當小題大作，但這件事跟我們單位可真是一點關係也沒有啊，為什麼每個人都會問我們你們被阿的人到底是哪位仁兄啊，這麼不耐阿！ 最後，我換了亞太行動嘻話三五八，所以找我的話，沒關係，我打給你。