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...
(攝於永和四號公園，Minolta XE，Pentacon Auto 29mm f2.8 MC M42，Fujicolor 100)
命運，像是強勁的風，掃得你淨往一個方向擺，只能閉上嘴，擺盪隨風，任憑安排。
很晚才開始拍照，甚至是在幾乎失去文字能力的現在，才開始渴望獨自一個人找尋所謂感覺的歷程。
文字的背後有股魔力，腦子是活躍的，是存在的。
極度擁有自由的時候，以為用年輕的視力和腦力，任性的文字，便足以貯存一切。
當回顧那些片段文字，甚碎難再拼湊，即使現時仍依稀可見的某個畫面，卻未知哪時將必須移出記憶，以置入新的事物，這才驚覺畫面的可貴。
然而，以畫面思考的現在，卻似一種逆向的行為，看著顯影的畫面，再試著挖掘內心的感受，變得不實在，不直接，不那麼真切，像是為了書寫而書寫。
按下快門成了行為的主體，拍攝當下似有所思卻不再敏銳，有時抓了筆想寫下來，卻是一陣語塞；靜靜望著一張張讓我語塞的照片，輕易地錯過了任何正在瘋狂旋轉的思緒。
無感到接近乏味，無知到接近愚痴，無所謂到接近未曾發生，如此而已。
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！