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...
比妳在我懷裡的安詳更幸福的事？我找不到了！妳的哭泣嬉笑，牽動著我的情絲，誰說妳是前世的情人，我想即使是今世，依舊。還要在生一個弟弟或妹妹陪妳嗎？我不曉得，如果這個弟弟或妹妹跟妳很好，很能幫妳的忙、陪著妳玩，固然不錯，但這事我總無法控制，我也不曉得，怎麼把唯一的這份情感，分給另一個人。
寫這樣像情書一樣的東西，比妳年紀大的那位情人肯定是嫉妒不已了，因為我已好久沒寫情書給她囉。妳睡得好嗎？吃得夠嗎？快樂嗎？愛我嗎？一生懸命。
如果從我身上只能留一個東西給妳，我希望妳得到的是平凡而知足的心靈，因為那是我自認可貴的東西。雖然沒有富裕的生活，知足便是妳人生最大的財富。
長大後妳的興趣，也將成為我的興趣，我願與妳一同探索世界，追尋真理。
486伯伯說『男人怎麼能不生個女兒來疼』，對極了真的！
從妳清澈的雙眼，看得見妳純真的心靈。
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！