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...
整個十月份，老婆跟 Angel 大概都在感冒中度過了，看醫生不曉得看了幾次，最近總算好一點了。 順天堂單方製劑，針對每個人不同的症狀，在固有方使用時，提供更良善的治療。 圖文來源： 順天堂 記得小時候，我也是很容易感冒的體質，除了鼻子有嚴重的過敏，還有氣喘，我媽說我小時候幾乎每個禮拜都要去找醫生伯伯。那時候住在台南縣，我媽都會大老遠帶我到台南市找名醫生看病，打針吃藥很可憐，所以每次她都會順便帶我去吃麥當勞做為安慰。 後來我媽看了一些書，開始用中藥幫我調養身體，印象最深刻的就是 順天堂 出的「魚腥草」，中藥味也許很多人都不喜歡，但是為了身體，我已經很習慣，沒有人提醒，我還是會乖乖去吃，後來隨著青春期的發育，配合運動，不但氣喘沒了，感冒也愈來愈少見。 在經歷了這個月老婆跟 Angel 的感冒之後，我有想到魚腥草這一味，但又擔心老婆對中藥的接受度不高，於是開始在搜尋有沒有把魚腥草製作成養生茶飲的產品，沒想到，靠著神奇的 Google，居然找到了來自於台東都蘭的「 和濟養生坊 」所推出的「 魚腥草茶 」的養生茶飲。 讓我先介紹一下魚腥草，最後再分享一下這款茶飲的試喝心得。