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...
大家好像瘋了！王建民2009首登板
一早打開民視，SNG 報導幾個台灣的加油現場，高雄的現場，一群孩子「被迫」坐在廣場為王建民加油，為了什麼？記者訪問了幾個孩子，我猜孩子的心裡一定想說幹嘛一定得坐在這裡，我看網路就可以關心王建民了，為什麼要這麼早起！
這股瘋潮，大概是因為去年王建民受傷後，大家都悶了吧！
姑且解釋成不景氣下的情緒出口，加油啊！建民。
洋基首場大家看到的是年薪那麼高的投手，演出失常，我看到的卻是牛棚的無力。
我還是覺得張伯倫是最好的設局投手，還可以慢慢轉型成 Closer，球速剛猛的特點，充滿張力的個人風格，都不像先發投手的型，與其讓張吃下五局局數卻讓戲劇效果必須打折扣，還不如讓他好好吃個一局，來個三振秀，會讓觀眾覺得更值回票價吧！
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！