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...
我昨天看了小雞的比賽，前七局內容精采，第八局大失分雖然是因隊友失誤開始，最後不幸被擊出全壘打，抗壓性還有當地天氣過冷而直球球速快不了都可能是原因，而我想這正是為什麼台灣選手該到美日棒球環境發展，挑戰自我。然而，卻始終有一個聲音一直讓我無法專注於比賽的節奏。我無意挑釁漫罵，我只想提醒，人千萬不要自以為是。播報風格很主觀，我同意，但個人的風格、口語、甚至是情緒性的解釋，難道不影響播報內容的專業甚鉅！！
我當年曾經很常看MLB的花絮球的播報，我認為那是很輕鬆的型態，適合誇張的語調。倘若直播職業比賽的節目，加上一堆莫名的愛國情緒，或者暴投球可以說成傳成全壘打是個人風格的話，我想，我會乖乖的關掉電視節目，選擇賽後的報導。
但無論如何，謝謝所有轉播人員的辛勞。
Ref: http://blog.roodo.com/liveagogo/archives/246649.html
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！