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...
(攝於石碇，Pentax MZ-L，F 28mm f2.8，Fujicolor 100)
馬丁介紹過的餐廳，Angel 生日那天下午請了假，帶 Angel 去那裡慶祝兩歲生日。
店就在淡蘭古道的入口旁邊，坐在這裡用餐就可以看到碧綠的山景和石碇溪，有機會您可以先去走走淡蘭古道，再來這裡用餐。
戶外的用餐空間，喝個下午茶就可以好好欣賞山景，水池看之前馬丁的介紹都是有水的，不過現在只剩下最後面那一小塊區域了，可能是為了安全因素吧，之前馬丁就有提到水池的問題，不過其實我算是為了水池而來的說，因為上次 Angel 在花蓮看到金魚的開心模樣，才想說帶他來這裡看魚。
水池沒有水，所以有一隻貓在這裡閒晃著，喵～
室內用餐空間，靠近石碇溪的那一側是可以拉開的活動門，陽光灑進來還真是迷人。
石碇溪，淡蘭古道，吊橋
還蠻多人是來喝下午茶的，還好全日都有供餐，所以空著肚子的我們可以好好吃一頓。餐點還不錯吃，餐後服務人員還來做餐點的滿意度調查，有用心經營。
其實我們用餐的時候 Angel 一直都在睡，一直到甜點上來了才醒，醒來有嚴重起床氣，就沒在店裡慶生了，帶來的蛋糕就只能帶回家晚上慶生再享用了，Angel 回家前還是沒有很開心。
以上是底片拍的，MZ-L with F 28mm f2.8。
其他照片請至 Flickr (有食物和 Angel 睡覺的樣子)：2010.11.10 石碇．甜客廳
關於甜．客廳 Dulce-Salon
石碇店地址：台北縣石碇鄉雙溪口68-8號
服務專線：(02)2663-3939
傳真：02-2663-1189
營業時間/平日 11:30~22:00│假日11:30~22:30 ( 每週一公休 )
網址：http://www.dulce.com.tw/index2.asp
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！