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...
對照新聞：台視新聞 2010/03/22 陳敏如 報導
網友留言「子彈上膛要殺馬」 又嗆刺馬 江宜樺:調查嚴辦 內政部緊繃 鎖定IP追查
網路上撲殺總統馬英九的言論，接二連三，先有發文的陳姓工程師被捕，之後又有網友在台北市長郝龍斌的噗浪上發表撲殺馬言論，現在，網路股市討論區又有網友留言，子彈上膛要殺馬。
內政部長江宜樺表示，已經鎖定ip位置展開調查。
就在總統馬英九出訪之際，國內又發生有網友在股市討論區，留言撲殺馬英九，這次的標題更提到子彈上膛，要美國人馬英九死的很難看，而留言者是一個暱稱為屠馬賊的網友。
立委紛紛要網友保持理性，事實上，從上週三先出現一名陳姓工程師，留言撲殺總統女兒遭捕後，又有一個暱稱為super fans的網友在郝龍斌的噗浪上號昭民眾刺馬，現在又有屠馬賊嗆聲，面對一波接一波的刺馬言論，內政部長江宜樺表示，已經展開調查。
不論網友是抱持何種心態，發表威脅國家元首的言論都可能觸犯刑法，請網友不要以身試法。
上則新聞來源：http://www.ttv.com.tw/news/view/?i=09903224924603I
我們都不能接受不理性的言論，然而，正義應該是放諸四海皆準，特別是政治人物的行為。
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！