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...
上次介紹過由 Tweetme.com 提供的 Twitter Button，但覺得速度上有點慢，所以又找了另一個由 Topsy 提供的 Twitter button 版本，Topsy 本身是一個搜尋引擎，提供了熱門 Twitter 的搜尋，他們重視的是資訊對話的流動，包括社群互動的影響力。
同樣的情況，當你想安裝在首頁會同時出現好幾篇文章，每篇文章都有一個 Twitter Button 可以分享該篇文章。
<script expr:src='"http://button.topsy.com/widget/retweet-small?nick=NICKNAME&url=" + data:post.url' type='text/javascript'/> 其中：
nick=NICKNAME，NICKNAME 請填上您的 Twitter Nickname。
url=” + data:post.url 表示分享的是該篇文章的 URL。
安裝成果如本格首頁所示，我是採用 retweet-small，改成 retweet-big 的話，則是四方形的 Button。
另外，Topsy 還提供了不同樣式的 Tweet Button，您可以自行參考：http://labs.topsy.com/button/retweet-button/
這個介紹不錯用~
回覆刪除嗯，這個版本的 Twitter button 比較快一點 :D
回覆刪除