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...
禮拜六下午，在台中梧棲漁港，港區規劃蠻好的，很適合一家大小來這裡走走，吃吃海鮮。
網路搜尋到的梧棲漁港介紹》
梧棲漁港是位於台灣台中市清水區的漁港，管理單位為農委會漁業署，屬於第一類漁港。梧棲漁港是中部重要的漁業港口，也是休閒觀光的海港又稱「梧棲假日觀光漁市」。
梧棲漁港位於台灣海峽的中部，受潮流影響甚大，是全省單日潮差最大的漁港，可達4.5公尺之譜。本港自清代即開始運作，曾是西部運銷樟腦的重要港口之一。日治時代後期曾有積極建設商港之議，但因戰亂而中止，直到民國五十年代才在台中港的建港規劃中重新開始繁盛。而梧棲漁港則興建於民國七十年代，與台中商港相鄰且共用航道。由於西部漂砂淤積情形嚴重，因此受商港的建設規劃庇護，梧棲漁業得以迅速發展。本港的主要漁法為流刺網、單拖網、巾著網、延繩釣、一支釣等，於或產量頗豐，也常有許多外地漁船寄籍在此。梧棲漁港也是台灣率先發展觀光休閒漁業的港口之一，目前梧棲漁港的觀光魚市、魚貨直銷中心、配合附近的濱海公園、遊憩步道、以及遊港觀光船等等，每逢假日總是聚集了洶湧的觀光人潮。
港邊風光》
(Pentax MZ-L，DA 40 LE，Fujifilm X-tra 400)
Google Map》
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！