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...
(攝於台北福州街，Konica C35 Automatic，Kodak UltraMax 400)
跟這位阿伯結緣，是在陪老婆來婦幼做產檢的時候。
阿伯做生意也是看緣份，想出來擺才出來，有緣，你就遇得到。
要硬的還是Q的？大支還是小支？總是在這些熟悉的問答之後，邊啃著阿伯隨手抓起一大把請吃的花生，看著手搖鼓風機舞動著炭火，那雙不斷翻動玉米的手，一層又一層刷上精心特製的獨門醬料，期待著每一支堅持古樸風味的炭烤玉米。
客人不多的時候，常會看到他的朋友們陪著他嗑花生，聊是非；客人一多，幾個朋友還是邊啃著花生，幫忙招呼客人，同樣也練就了一身選玉米的工夫，不過客人還是比較相信阿伯吧。
老婆懷孕的時候還吃素，聽到老婆的請求，阿伯可得意著呢，直說全台灣就只有他有自製的醬料，保證可以做出全素的烤玉米！
價錢全看阿伯心情，沒有論斤秤兩的算計，只可能是依聊天的投機程度而定，未可得知；但不論阿伯算多少，產地精選顆顆飽滿的玉米粒、醬料裹得綿密紥實的口感、獨特原味的炭火燻香，阿伯定是來賣爽的，不是來賺錢的。
對於原味的堅持，真是浪漫的偏執。
這是我剛出社會時，住在南昌街的美好回憶啊！
回覆刪除:D 每次吃到阿伯的烤玉米都覺得好幸福的說。
回覆刪除