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...
K-x 時代出過 Korejanai，K-r 也來啦，這次 K-r 機器人限量版搭配的是彩色的 DA 35mm f2.4 塑膠新鏡，預購價格是 99,800 日元，12 月 24 日開始接受預訂，只有 100 台，訂好之後明年 1 月初會寄給你。
(圖片來源：http://www.engadget.com/2010/12/03/pentax-k-r-receives-a-rainbow-paintjob-35mm-prime-lens-for-limi/)
說真的，我不知道怎麼評論這個，好玩就好，我比較期待的是可以真的像變形金鋼一樣變成會動會跑的機器人。
像這樣：
(圖片來源：Somethingawful.com)
相機也有變形金剛啊
回覆刪除拍照拍一半，突然變成機器人，抗議今天拍的 MD 太醜~~
回覆刪除