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...
我承認，我一直懶得做白平衡的設定，因為要改來改去的好麻煩，偏偏我們家的 Pentax K10D 跟 Panasonic LX3 都有白平衡不準的問題。
其實買傳說中的壓克力晶晶板已經一陣子了，但一直沒用心，放在袋子裡都沒拿出來用。我也不是買國外的名牌貨，價錢真的太誇張了。
用法的話，好多人寫了，我就把連結貼下，大家自己去用功吧！最主要是自己的相機要有自訂白平衡的功能，才有用哦～
其實還有很多白平衡調整的工具，像是白紙、灰卡、牛奶瓶等等，反正都是工具，找你最方便取用的吧！加一點實驗精神，也許你可以發明出什麼新白平衡利器唷～
Mobile01:〔分享〕不符敗家精神的 Semi-ExpoDisk ( ExpoAmigo )
Mobile01: 分享 DIY白平衡晶晶板(AmigoDisk版本)之小改版【完整圖解】
Cougar-Studio.com - 牛奶罐底白平衡-室內黃光
效果的話，最上面那張圖可以對照，左邊是今天拍的（用晶晶板調整過的白平衡），右邊是之前拍的（K10D 的 AWB 自動白平衡）。我家客廳的燈是所謂溫馨的 黃x3 + 白x1 啦～ 複雜光源！
以上報告。
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！