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...
台灣，這個屬於你我的美麗家園，即使歷經「921大地震」、「納莉颱風水淹北台灣」等大大小小的重創，依舊在全台灣民眾的努力下重新站起。這次頑強的莫拉克颱風橫掃南台灣，發生50年來最大水災，災情嚴重程度超過「921大地震」，更需要您貢獻一己之力！
88水災的超大豪雨，瞬間掩埋了好幾個南部的山上村落，好幾百條的人命，至今生死未卜。而BloggerAds公司也有一位同仁，老家在嘉義朴子，8月8 號當天，從清晨開始，超大豪雨一直下，光是那一天，這位同仁的房舍整整遭大水侵襲三次，而最後一次，無情的大水把堤防沖垮了，瞬間海水倒灌，短短不到半小時，水淹半層樓高，逼得同仁的老媽媽，不得不棄守老家、趕緊逃命去。這樣的情景，在8月8號當天，不知道在多少家庭上演。
因為這位同仁的經歷，讓我們更能感同身受。除了實際捐款協助88水災後家園重建，所謂「1元不嫌少，心意最重要！」，本活動秉持「讓小捐款行動，累績對這塊土地的熱愛與對災民的關懷」，鼓勵您把生活中一餐的錢省下來，捐款1~88元不等，奉獻給88水災的重建！替這些在風災中的救難英雄加油打氣，同時也希望透過您的個人力量，號召更多人一起來響應、創造「心」台灣！ 88元是一筆小錢，但背後代表我們所有Blogger想對台灣說 加油！
從 8/13 加入累計至 8/31 的收益，我通通捐！
快點加入 BloggerAds，除了賺零用錢，也為公益盡一份心力！
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！