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...
(圖片來源：台北旅遊網)
News 摘自：http://news.ftv.com.tw/?sno=2010A30P15M1&type=Air
不避嫌! 郝龍斌為明華園站台 2010/10/30
出席北投溫泉節活動，郝龍斌帶著議員候選人，浩浩蕩蕩站上明華園的舞台，頓時間藝術表演，變成政治造勢不在乎台中市長胡志強，才因為利用公帑，找明華園輔選挨轟，郝龍斌不避嫌，口號一樣喊得很起勁，甚至興致一來，連自己不會說台語都給忘了新北投變成骰子，泡溫泉變成抱溫泉，這還不是最瞎的怎麼好料從郝市長的口中，聽起來變成是排泄物啊，這下子，真的連台下的觀眾也忍不住了公然被糾正，郝龍斌化解尷尬，找民眾當台語老師，不過再聽一次。以郝市長不輪轉的台語程度，要教到不突槌，這老師恐怕得超級超級，有耐性吧。
其實還是用中文就好，不必這麼勉強。
有心學台語是好事，堅持做，不要停不要停不要停…
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！