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...
最近我女兒的作息，自前陣子的一覺到天亮，又做了一番調整。晚上十點喝完牛奶，她會花一點時間遊玩、發呆，做一些探索的行程。約莫十二點至一點間，她會進行第一階段的睡眠，大約一至兩個小時。兩點到三點間，大致上我女兒是安排了換尿布以及補充營養的行程，吃飽拍嗝後，會於四點到四點半間進入第二階段的睡眠，一覺常常就到天亮要上班前囉～
只不過，跟我個人的時間分配顯然是無法完全配合滴，晚上十點餵完陪她玩一下，我的精神也來了，於是開始上網亂逛，直到兩點看完「全民最大黨」，就差不多想睡了，然而此時想睡也不敢睡熟，預期我女兒醒來的時間不遠矣，有時候她睡得太熟，過了四點才醒，我大概就接近掛點了，餵奶的時候會呈現彌留的狀態，突然醒來時會發現奶瓶是空的，我的手拿著奶瓶壓在我女兒肚子上，女兒睡在懷裡的情景。
有時候體力還可以撐到餵完奶、拍完嗝，會把她放到餐搖椅上，搖到她睡著，自己也在沙發上睡著了！
不知道她是不是要人陪或者被我養成的壞習慣，還蠻不愛睡自己的嬰兒床的，什麼高檔的乳膠墊、音樂鈴啦都沒用，就愛客廳的餐搖椅，還有一個總是會讓她看到就笑的小搖鈴。
看著她一點一點的成長，突然發現的新動作、新表情，都會讓人感覺很可愛，對於精神不濟的這個狀態，就拋到九宵雲外吧～
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！