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...
Angel 屆滿4個月的那一個禮拜天，台南的阿公阿嬤上午突然來了電話，要上來台北幫 Angel 收涎，原本外公外婆也要我們 Angel 去北投給他們看看，後來乾脆就決定全家從北投出動，到永和看 Angel，把函函姐姐還有承承弟弟全部帶來囉～ 那天還下著大雨呢！大家真的都辛苦了！
#1 函函姐姐妳要做什麼？
#2 哈囉承承，我是 Angel 姐姐
#3 把拔，拍我拍我！
#4 承承，要笑哦，我把拔拿相機來拍我們唷！
#5 救命啊！！
#6 阿娘喂啊～
#7 兩個都哭了
#8 共賞．Angel
#9 阿公抱抱．Angel
#10 外公抱抱．Angel
#11 只有大阿姨會注意鏡頭
#12 外婆很辛苦地準備晚餐
#13 Finally，攤倒．家庭攝影師
#1 函函姐姐妳要做什麼？
#2 哈囉承承，我是 Angel 姐姐
#3 把拔，拍我拍我！
#4 承承，要笑哦，我把拔拿相機來拍我們唷！
#5 救命啊！！
#6 阿娘喂啊～
#7 兩個都哭了
#8 共賞．Angel
#9 阿公抱抱．Angel
#10 外公抱抱．Angel
#11 只有大阿姨會注意鏡頭
#12 外婆很辛苦地準備晚餐
#13 Finally，攤倒．家庭攝影師
呵~函函姐姐不要亂來嘿~
回覆刪除Angel的把拔在旁邊唷~^^"
呵呵，函函姐姐是亂熱情，沒有亂來啦！
回覆刪除