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...
圖片來源：www.pbase.com/divevr2ham/image/47922244
人生目標？我比較想談談人生的夢想，感覺比目標還要更搆不著邊際的東西。
外太空，一直是我的夢想！從小學的時候，老媽幫我買了一套漢聲出版的兒童科學讀物：「小百科」，對於外太空和未來有關的內容，我不曉得重複翻了幾遍，記得是十一月和十二月那兩本，被我翻得最爛！(關於漢聲小百科：http://zh.wikipedia.org/wiki/%E6%BC%A2%E8%81%B2%E5%B0%8F%E7%99%BE%E7%A7%91)
大學的時候，我幾乎把手邊所有管得到的電腦，全都用來跑 SETI@Home，還曾經在某堂課報告過這個東西 (自然科教材教法之類的課吧)，雖然後來就不了了之了，但對於太空有著莫名的憧憬。
夢想有點遠，還是來看一些輕鬆的新聞吧！於去年 (2008) 五月三十一日前往太空的“巴斯光年”（Buzz Lightyear），即將要跟隨發現號回地球囉！
別擔心，受過完整太空人訓練的他，在太空適應良好，就讓我們先來看看他前往太空執行任務前的受訓影片。
美國 NASA 太空總署更在他出發前，為他製作了一段宣傳影片！
在太空執行任務的日子裡，傳回了在太空生活的珍貴影片。
更重要的是，巴斯光年，已經為人類寫下太空人駐站最久的記錄！歡迎成功歸來！希望有生之年，可以和巴斯光年一樣，一探太空的奧秘！
關於巴斯光年 Buzz Lightyear
(From: http://zh.wikipedia.org/zh-tw/%E5%B7%B4%E6%96%AF%E5%85%89%E5%B9%B4)
在電影中，巴斯光年這一個角色不過是一個玩具 - 一個星際太空人玩具；而電視系列中則真實呈現了這個玩具被設想角色 - 一個真實的太空人。他的名字的創意來自阿波羅號太空人Buzz Aldrin 。
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！