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...
雖然現在連 DSLR 都有 Liveview 了，不過習慣用觀景窗對焦的人仍然是有滴。
有一說是用右眼對焦才是正解，主因是希望拍照時能兩眼都張開，用左眼的話右眼會被遮住。
另有一說是慣用眼，如何知道你的慣用眼是哪一眼呢？
From PTT 文章
教大家一個判別慣用眼的方法請先將雙手掌心朝前方 並將雙手重疊出一個三角形(洞孔盡量小) 用兩隻眼睛一起從三角形的洞洞中看到一正前方的定點接著 保持同一個姿勢不動然後閉起一隻眼睛 看看定點的目標物有無消失接著再閉起另一隻眼睛做CHECK 如果說你是在閉左眼時 目標物不見 而閉右眼時則看見你的慣用眼就是左眼反之 則是慣用眼為右眼
個人測試結果是左眼，因此一拿起相機，很自然是用左眼對焦的。
無論如何，不要用屁眼對就是了，因為會臭。
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！