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...
Lightroom 處理 RAW 檔的特色，就是不直接修改 RAW 檔，而是將中繼資料 (metadata) 儲存在編目 (Catalog) 之中。編目預設的位置是在「我的圖片」->「Lightroom」，當然也可以移到別的位置(這裡不談)。 這三個月以來所拍的 RAW 檔已經快把我的硬碟塞滿了，所以得來做個備份，通常會建議您備份 RAW 檔以及中繼資料 (metadata)，就像傳統攝影我們會留著底片一樣，隨著 RAW 檔編修軟體日新月異，以後還是可以把舊的 RAW 檔再拿出來練習練習。 首先，選取你要備份的照片，點選「檔案」->「轉存為編目」；或者您要備份一整個資料夾的話，也可以在資料夾上按右鍵點選「將此資料夾轉存為編目」 再來，輸入編目名稱，按下「儲存」，其中底下第二個選項就是會連同 RAW 檔一起備份，如果您像我一樣是要把 RAW 檔從硬碟清出來，燒到 DVD 裡頭，請勾選。 備份完成之後，會儲存成一個資料夾(您所輸入的編目名稱)，這就是全部的資料啦，燒吧！會不會太簡單？ 還有另一個備份中繼資料的方法，在您所要備份的資料夾上按下右鍵，選擇「儲存中繼資料」，會在該資料夾產生，檔名與 RAW 檔相同，副檔名為 .XMP 的文字檔，然後連同 RAW 檔一起備份就沒問題了。 順手寫一下從編目還原的步驟好了， 首先點選「檔案」->「從編目讀入」 然後選取所備份出來的編目 (.lrcat) 檔，按下「選擇」 接著選擇檔案處理的方式以及所要匯入的磁碟位置，按下「讀入」 OK，打完收工！