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...
其實我壓根兒也沒想過這種事，這麼爛的文章居然有人圖文通通照貼，還把文章發表的時間跟我的那篇文章設定成同一天。要不是他連 Flickr 圖片來源的連結也沒改，而 Flickr 還查得到圖片點選的來源網址，我一定什麼都不知道。
後記：此筆被盜用圖文，晚上發現已被刪除。
本格原文連結：大溪．花式陀螺達人．阿海師
我只能很卑微的請求，若有需要轉載小弟的文章，請您事先告知，並且附上原文的連結及姓名標示，一切依 CC 授權，您可以分享 — 重製、散布及傳輸本格所有著作，但請遵照以下條件：
-
姓名標示 — 您必須按照著作人或授權人所指定的方式，表彰其姓名（但不得以任何方式暗示其為您或您使用本著作的方式背書）。
-
非商業性 — 您不得為商業目的而使用本著作。
- 禁止改作 — 您不得變更、變形或修改本著作。
現在越來越多人這樣了！真是越來越過分耶～
回覆刪除是啊～ 真是誇張耶～
回覆刪除