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...
塗鴉 (Ultra Wide & Slim 22mm Vegas 400)
使用相機：TakeOne Ultra Wide & Slim 22mm
使用底片：Vegas 400
沖洗店家：公館五色鳥
這次是我拍最快的一次，用了兩天時間，在上下班的途中，拍完這一卷。我是把 Vivitar UWS 用腕帶掛在左手，邊騎摩托車邊拍下這卷，主題是機車騎士的廣角視野，以建築為主。
這張是在永福橋上拍的，臨時停在橋的中央，在後有追兵，側有來車的情況下，很快地按下快門離去。
公館的星巴克，像不像一艘高級遊艇？
台北有跟外太空有聯繫？！左邊是八二三砲戰紀念碑，就像是跟外星人溝通的設施；右邊是台大立德尊賢會館，像飛碟的停機坪，哈！
還有底下這兩支，像不像跟外太空聯繫用的天線！
師大的美術系館，美的學術殿堂
其他照片請至：Flickr Ultra Wide & Slim 22mm Film vol.4
您好，想冒昧詢問一下
回覆刪除這台相機您還有在使用嗎？如果沒有，且機況讓能使用，不知道您是否有意轉售給我呢？
機殼的使用痕跡我不會在意的！
因為在拍賣上苦於尋覓，才斗膽在您的文章下留言
造成打擾，還請見諒
我留下我的電子信箱，還請您寫信回覆我了ＱＱ
謝謝
記得我小改過，不是原來的狀態了，拍謝啦。
刪除http://jimmyyen.blogspot.tw/2009/07/vivitar-uws-b.html