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...
(攝於台北植物園，Pentax MZ-L，Pentax-F 28mm f2.8，Fujifilm X-tra 400)
最近我女兒兒很常說這句話：『哈囉，Angel 在這裡！』邊說的時候會揮手打招呼。
禮拜天天氣超好，一家人去植物園走走，Angel 對於能夠出門走走這件事向來是很興奮的，現在可以自己走了，所以出門就不見得會帶推車，雖然有時候 Angel 會暴衝很難掌握，不過大部份時候都還算冷靜的，遇到動物和陌生人，總是很熱情，她會主動去接近坐在一旁休息的人，跟他們打招呼或坐在旁邊，有時候會遇到阿嬤送 Angel 餅乾，還蠻好玩的，但很不好意思；看到動物的時候，總是開心的跳呀叫的，就怕 Angel 把人家攝影大哥正在拍攝的目標給嚇跑了。
在路上，Angel 遇到一個年紀相仿的小妹妹，兩個人坐在一起還真可愛。
他們兩個坐著，微笑著，好像有屬於他們世界的電波傳遞著，Angel 看到我要拍照，比 Ya 的同時也邀妹妹一起比 Ya。
回家前，兩位新認識的小朋友互相道別。
小朋友真是有趣啊
回覆刪除ㄎㄎ
回覆刪除