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...
平常就蠻喜歡軍曹的，最近在 Youtube 找到一些影片，蠻有趣的，跟大家分享分享，如果你想更了解 Keroro，除了鎖定電視節目，看 Wiki 也做一些”學術”方面的研究: http://zh.wikipedia.org/zh-tw/Keroro%E8%BB%8D%E6%9B%B9。
Keroro小隊成員
- Keroro小隊的隊長，本動畫的主角。生日是12月9日。
- Keroro小隊的機動步兵，武器與軍事專家。
- Keroro小隊的突擊兵，也是最年輕的隊員。
- Keroro小隊的作戰通信參謀。
- Keroro小隊的暗殺兵，原名Zeroro。
非官方影片分享，蠻有趣的！
足球篇: 完美的烏龍球! 比賽結束! 與全家溫泉旅遊賞失之交臂!
來自台灣台南, 真人 Keroro 表演
也有混搭版, 真人 Keroro 跳 “Open 將”舞
Keroro 軍曹之阿扁錯了嗎
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！