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...
老師說為了紀念「國父誕辰」，請以「最誇張的意外事件」或「最哈母的蠢事」為主題作文。阿娘喂，再不交作業，快被開除學籍了！
上班已經快遲到了，箭步如飛地到了停車場，為了避免又被相當嚴格的自動繳費機吐鈔吐到我吐血，直接走到管理室，繳了費，拿了發票 (好學生都要記得拿發票)，然後快速地捏著車鑰和感應票卡，奔到車旁，開了車門，隨手丟了包包在副駕駛座，準備要扭了車鑰發動車子的時候，阿咧！我的感應票卡咧？
真的急了，因為上次已經發生過一次把感應票卡落在走到車旁的路上，用我極差的嗅覺，花了近半小時才找到，眼看都已經這個節骨眼又發生一次，我這次除了狗鼻子，連紅外線透視和飛毛腿都借來了，接著沿著剛走的樓梯間上到一樓，又再順著原路滾回 B3，因為開啟紅外線掃視模式，都快看到透明的衣服而長針眼了，還是沒找到，瞄了下手機的時間，靠北，八點快半了，喵的咧，當機立斷想說認了，大不了開到管理室跟管理員招了，看要怎麼辦再說，能趕快到公司才是真的。
坐進駕駛座，掏了車鑰發動車子，突然覺得屁眼好像有 Fu，還好那天褲子沒穿太厚，享受了一下，用手撈一把想說這樣開不了車，娘咧！是感應卡，真是讓人舒坦的感應卡啊！
這個故事告訴我們，褲子穿薄一點才會敏感。
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！