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...
(攝於永和四號公園，Pentax K10D，Sigma 24mm f/2.8 Super Wide II Macro)
首先，這張拍攝時間是下午五點多，光線不足的情況下，手持並不好拍，ISO 400，光圈全開 f/2.8，快門還得用到 1/4 秒，我很驚訝自己的手還能勉強撐住而能拍下這位坐在一旁看著自己的孩子奔跑玩耍的父親。
在擁有父親這個職銜之前，對這樣的畫面一直覺得是很遠的，難以預見的；然而當一夕之間成為人父，又會覺得根本就來不及想那麼多。
我有時候會想，人們都是邊做邊學的居多吧！做好準備？壓根兒就不太可能。
看著孩子慢慢長大，牙牙學語之際，聽到有人喚你一聲把拔，會不會覺得自己想一輩子當個男孩是個已遠離的夢想，卻正是不久前還沾沾自喜的。
等到孩子走路奔跑，漸漸地你不再年輕，也不再充滿活力，肩上壓著的是讓孩子幸福快樂成長的擔子，甚至對自己都沒有把握，卻要扛起另一個人的人生，這會不會太強人所難了一點。
僅管如此，人生還是持續著，無法倒退的流逝著；而在你還能跑得比孩子快之前，只能加快步伐追趕，直到再也跑不動為止，像個陀螺一樣，只求定格在曾經努力的身影之後，而那時，美好的戰役已經打過。
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！