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...
過年期間嘛，最難維持的就是寫作的習慣，因為肚子總是處在飽足的狀態，會讓你沒事的時候就想睡，吃飽了睡，睡飽了又吃。
今年過年假期雖然不短，不過從初三之後一連幾天的雨，又濕又冷的天氣，讓人不是很想出門，所以幾乎都待在家裡或附近走走居多，吃一堆東西又沒什麼往外跑的情況，一肚子大便的情況是免不了，因此睡覺跟吃東西之間的空檔，大概就用看電視打牌還有大便來填補了。
吃得太飽有一個嚴重的問題，就是會沒有腦子，特別是當你每天都收看不斷重播的韓國娛樂節目，會以為自己住在韓國，開始「馬西索」「馬西索」地稱讚菜很好吃，同一個團體重複的舞蹈，不同團體但卻重複的舞蹈，男生團體跳女生的舞蹈，女生團體跳男生的舞蹈，差不多是韓流過年節目的全貌，再偶爾搭配一些韓劇當小菜，的確是相當豐盛滴。
很傳統的家裡，大概就是火鍋吃到飽，碰糖煮到爽之類的活動，配合 Angel 各項出人意表的傑出表現，十分圓滿成功！當然，如果韓國節目可以少一點的話，會是大成功！
(攝於台南仁德老家，Panasonic LX3，年節期間推出塑膠椅學步機新梗)
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！