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...
(圖片來源：chinese.engadget.com)
Olympus 新推出三款 M4/3 輕單眼新機，分別為 E-P3、E-PL3、E-PM1，改進了對焦速度以及感光元件畫質的提升。
其中 E-PM1 是一條新的戰線，要跟各家比小了，最上面那張圖是跟 NEX-C3 的比較，跟 E-P3 一樣的影像感測元件，另外在大小方面，跟 Olympus XZ-1 一樣大小，配有後掀式的 LCD，不內建閃光燈，只給熱靴。
上圖來自 Olympus ED 12mm f2 日本官網：http://olympus-imaging.jp/product/dslr/mlens/12_20/index.html
其他機身和鏡頭的報導請詳：DCView Olympus 新推出三款M4/3輕單眼新機
只想看相機圖的話，Engadget 有：
DCView》OLYMPUS 新品發表 E-P3．E-PL3．E-PM1，元佑實業資訊產品部林瑞恒先生介紹特色及差異
廣告》OLYMPUS PEN E-P3 × 宮崎葵
EPL2的機身實在太輕了，不曉得這三款會不會也那麼輕
回覆刪除Re: applepeel <2149174419426565969>
回覆刪除愈輕愈小已經成了一種競賽了：E-PL3 265g、E-PM1 216g，都比 E-PL2 輕而且小