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...
引 自莊子《秋水》篇： 莊子與惠子遊於濠梁之上。莊子曰：「鯈魚出遊從容，是魚樂也。」惠子曰：「子非魚，安知魚之樂？」莊子曰： 「子非我，安知我不知魚之樂？」惠子曰：「我非子，固不知子矣，子固非魚也，子不知魚之樂，全矣。」莊子曰：「請循其本。子曰女安知魚樂云者，既已知吾知 之而問我，我知之濠上也。」 很危險嗎？選擇眾人不認同的獨特。星光的洪千涵，也許才是人生最後的勝利者，總有一天跌破眾人眼鏡的，將是勇敢決定自己道路的人。平庸的評審看不出未被清單列舉的明星特質，然而真正的明星，卻在未知的廣大世界。商業模式有一種被迫齊頭的平等，在一層符合大眾主流口味的包裝之下，所謂的優秀，我想是不言可喻了。 加油，有思想敢做自己的人們。