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...
網友小 Mic 分享的影片，要耐心看到最後哦！真的很妙。
看了影片我就先去把這近一年來 Angel 的照片再看了一下。
剛出生的 Angel，那時候還有人說跟馬麻很像！
在月子中心，小臉蛋慢慢地變圓囉～
快轉一點，三個月的時候，頭髮沒什麼長，但是臉變大不少，顯得髮量很稀～
再過一個月，頭髮怎麼愈來愈少啊？有人說要去剪頭髮才會長得濃密，我是想說自然就好。
弄頂帽子遮一下～:P
大概從這個時候開始，幾乎所有人都一面倒的說 Angel 像我了，想必是因為臉大吧！
快五個月的時候，還真是個大頭啊！遠看像個小光頭耶！哈！
再次快轉，隨著頭髮變長，愈來愈有個女孩兒的樣子。
表情也愈來愈多(10個月)
戴朵小花挺美的！
頭髮愈來愈長，老婆都會幫 Angel 塞耳後。
這個咬上唇的表情很可愛。
生個女兒，看著她一天一天不一樣，的確蠻有趣的！但不要像影片那麼誇張就是了！哈！
啊啊，好可愛啊！>////<
回覆刪除呵呵, 謝謝你唷~
回覆刪除那影片太搞笑了吧
回覆刪除呵呵, 真的妙極了~ 印象深刻
回覆刪除