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...
笑容有公式嗎？據說是有的。
台北醫學大學附設醫院齒顎矯正科醫師鄭信忠研究過三百多人，發現笑時露出八到十顆牙、上齒下緣與下唇一致、上下唇弧度對稱，才是完美笑容。
三總整形外科醫師傅如鵬認為，現今不同早年黃金比例，櫻桃小嘴已不吃香，微笑時嘴寬和兩眼瞳孔距離一樣就屬完美，不露上牙齦、上牙露出約三分之二、上下唇左右對稱。
「完美笑容」公式
．牙齒不應該過度漂白，顏色應該與眼白相近，以免搶去眼睛風采
．側門牙的大小應為門牙的61.8％，犬齒則為側門牙的61.8％
．上門牙寬度應為長度的80％
．牙齦顏色應是健康的淡粉紅，笑起來不應露出過多
．牙齒排列整齊，外觀沒有修補痕跡
．咧嘴寬度至少相當於臉寬的一半
最近發現，Angel 會在拍照的時候使用上述這種很公式化的笑容，沒人教她耶，也很喜歡檢視自己的照片，有時候滿意的笑，有時候還會搖搖頭，不曉得是不是覺得拍得不好。
還蠻妙的。
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！