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，Nikon L35 AF，Fujicolor 100 過期底片，減感半格正常沖)
使用器材：Nikon L35 AF，Fujicolor 100 過期底片，減感半格正常沖
沖掃店家：公館五色鳥
塞了一卷從日本隨著相機寄來的過期 Fujicolor 100 底片，結果沒想到前面十幾張都沖不出來。
不曉得是瓶頸還是什麼，最近拍底片的速度變慢了，以前可能一卷最晚一個禮拜可以拍完，現在大概要拍個一兩個月。
用狀況不明的過期底片來拍，總是讓人充滿意外，斑駁的畫面增添更多興味。另外，對於 Nikon L35 AF 這台小傻瓜的光學素質感到滿意，銳利度和飽和度都不差，拍起來輕鬆寫意。Nikon L35 AF 會強制開啟閃燈，不過 GN 值不高，最近對焦距離又至少需要 80 公分，感覺還蠻雞肋的，很多場景當閃燈自動彈起來的時候，我就不拍了，又沒辦法強制不使用，這點設計是比較不理想一點。
永康公園這個好像是因為花博弄的吧
有幾天雲還蠻漂亮的，有時候一絲絲，有時候一團團
營業中卻看不到裡面的店，有時候還蠻吸引人進去看看的。
重新裝潢的三進自助餐
好動的小布
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！