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...
使用相機：Pentax MZ-L with DA 70 LE
使用底片：Fujifilm X-tra 400
沖掃店家：公館五色鳥
上個禮拜六早上，天氣很好，同事打了個電話來，問要不要一起出門去走走，兩個選項：九份和烏來，同事的老婆跟我老婆都選九份，所以我們把車子開到他們家車庫，共乘他們家的 Rav4 就往九份出發。
想不到一路上天色愈來愈不亮，到瑞芳就有雨了，想當然爾九份最少也定是毛毛雨，出門前帶了三卷底片，兩卷 100 是用不上了，只能靠這卷 400 來拍，猶豫了一下要不要增感一格拍，最後還是用 400 來拍。
因為好像很久沒帶 DA 70 LE 出門，又想說九份搞不好可以遠遠地拍一下街上的人文活動，不過實際到了九份還是覺得不太慣，標準焦段用慣了，70 LE 在九份拍起來是有一點不順手，比如說有些眼前看到的東西想拍，近的話取不到我想抓的景，遠的話又快要退無可退，人潮在眼前來來去去，有些人會很禮貌地等你拍好再走過去，殊不知其實我平時都是在等人走進來畫面一點點的瞬間按快門，認真想起來還不如一顆 40mm 跟一顆 28mm 的出門組合順手。
除了上一篇特別挑出來的貓，其他在九份拍的照片》
晚上就到同事家作客，順便把這卷在今天之內拍完了》
到哪裡都說要畫畫，還出題目給姐姐畫。
其他本卷照片：Pentax MZ-L vol.13
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！