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...
老闆的堅持，值得大書特書。
從冰箱裡，小心翼翼地取出抹好粉的雞排，放到油鍋裡炸。
設定好時間，打開電風扇一號進行吹散油煙。
鬧鐘響了，拿了夾子，夾起黃澄澄的雞排，放在濾油的鐵網子上，打開電風扇二號吹涼。
開掉電風扇二號，甩了甩雞排，輕輕地放到鐵盤上，問客人：「要辣、要切嗎？」
優雅地拿起調味罐，均勻地灑上，會在灑好辣椒之後問加辣的客人：「這樣夠辣嗎？」
輕巧地拿了剪刀，將雞排依固定的裁剪方式，剪成九至十塊，攤了攤紙袋，拿起夾子，一塊一塊夾進去，擦一擦手，拿了一個塑膠袋，把紙袋裝了進去。
把雞排恭敬地交給客人，像是經過他精心製作的藝術品般珍視著。
立刻清理鐵盤上的上一塊雞排的粉，撈了油鍋裡殘渣，又開始下個作品。
從冰箱裡，小心翼翼地取出抹好粉的雞排，放到油鍋裡炸。
設定好時間，打開電風扇一號進行吹散油煙。
鬧鐘響了，拿了夾子，夾起黃澄澄的雞排，放在濾油的鐵網子上，打開電風扇二號吹涼。
開掉電風扇二號，甩了甩雞排，輕輕地放到鐵盤上，問客人：「要辣、要切嗎？」
優雅地拿起調味罐，均勻地灑上，會在灑好辣椒之後問加辣的客人：「這樣夠辣嗎？」
輕巧地拿了剪刀，將雞排依固定的裁剪方式，剪成九至十塊，攤了攤紙袋，拿起夾子，一塊一塊夾進去，擦一擦手，拿了一個塑膠袋，把紙袋裝了進去。
把雞排恭敬地交給客人，像是經過他精心製作的藝術品般珍視著。
立刻清理鐵盤上的上一塊雞排的粉，撈了油鍋裡殘渣，又開始下個作品。
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！