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...
(攝於往武陵農場的路上，Pentax MZ-L，Pentax-F 28mm f2.8，Kodak ProFoto XL 36+ 100)
塞車的時候，你會想做什麼？下車聊聊天，草叢間撇泡尿，做做伸展操，趁早思考調頭去別的景點？
拍下這張的時間，約莫是早上 11 點，距離我們進入武陵農場停好車，尚有 5.5 個小時，這個時候有些朋友往下山的方向掉頭閃人了，不死心繼續向武陵邁進的，卻不知真正的塞車考驗才正要開始。
愈往武陵接近，停車的時間愈長，狹路會遇上交管，單向通車，有雙向路面的道路上下山全塞滿了，事實上如果沒人下山想上山的人鐵定進不了武陵，因為裡頭是爆滿的狀態，頗進退兩難的困窘，不少遊客大老遠直接下車用走的進武陵，速度比開車還快。
遙想 2.27 當天大清早的台七甲，路旁就看到漂亮的櫻花，當時後座英明的太座說：『櫻花看到啦，不用再上去了！』
所以，這次的教訓是，要不就半夜出發，要不就別湊連假的熱鬧，以上報告。
大概是塞車曬到有點中暑，加上前晚一肚子的啤酒，體能接近掛點的狀態，我實在交不出什麼好照片，底下幾張請湊和著看》
底下這張最右邊是剛到武陵的我，快掛了！遊客中心連礦泉水都買不到，因為補貨的車也同樣塞在路上，救人哦！
(Panasonic LX3，By Cawa)
塞車真的是OOXX
回覆刪除苦...
回覆刪除