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...
老人社會已經來了! 邀你關心你我的未來
12月16日-19日全國最大無障礙生活趨勢館於世貿三館登場
根據聯合國數據︰台灣最快4年後，全國約有半數人口超越40歲；2050年時，老人人口更將高達38％，趕上日本，一躍成為全球人口最老國家。
永慶HouseFun新聞中心日前針對14萬名網友進行的調查，當被問及退休養老的住居規劃時，發覺竟只有2.67%的台灣人，老了，會逐兒女而居，而會想要住進養生村或公辦的銀髮族住宅的，比例也僅15.33%，換言之，未來有超過8成以上的人選擇獨居！面對眾多「高齡獨居」人口，居家照護、行動障礙，將是台灣要面臨的頭號難題！
為喚起大眾對無障礙空間與設備需求之正視，「內政部多功能輔具資源整合推廣中心」及「永慶慈善基金會」特別結合產官學界及社福團體的力量，將於12月16日至19日假世貿三館，打造一個約130坪的「無障礙生活趨勢館」‧
百坪展區中，包含：未來居家生活館：依伊甸基金會舉辦之住宅改造王「友善空間設計競圖比賽第一名作品」為藍圖，將上百項生活輔具融入其中，量身打造的35坪「無障礙居家實品屋」。 無障礙通用設計區：集結產官學界、公益團體，推動無障礙理念與實績之大成，透過影音、新知與作品發表等方式，呈現無障礙生活的發展趨勢。生活輔具區：以開放式空間展示生活輔具，讓每個人都能親自體驗，也更強化出生活輔具的重要性。行動輔具區：「行動輔具」也是行動不便者的生活必需品，設計良好的行動輔具，如：爬梯機、電動車…等，讓使用者可來去自如，走出戶外。高齡化及身障體驗區：提供多項互動體驗，讓民眾實際感受銀髮族、身障者的不便，更能體會無障礙生活空間的重要性。
永慶慈善基金會：http://www.yungching.org.tw/
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！