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...
(Minolta Hi-matic AF，Fujifilm X-tra 400)
我的夢，印象中都是像長篇故事一樣的東西，還常常在不同晚的夢中連續出現相同的人物，不同的場景對白，像連續劇那樣，但總一覺醒來，把細節忘個一乾二淨，口述筆記也兜不明白。
幻想要是有個儲夢櫃，讓夢自動分段儲存，那我就可以從夢裡取材，或許寫本小說也說不定。
不過昨天的夢太強烈了，即使我記不全整段故事，但有一幕是這樣的：
我雙手搬著些像是盒子的東西，下著雨，顧不著衣服淋濕，我像是要護送這些盒子快點到目的地，於是小跑步了起來。
雨中搬物跑步，我還是不改平時愛東瞄西看的壞習慣，往路旁一瞥，有位女子，悠閒地在雨中，撐著傘，特別的是，她身上沒有任何衣物。
所以我邊跑著看到這一幕，手上的東西當然就掉了，這名女子很熱心地過來幫忙撿起掉落的物品，幫我撐著傘，把東西運送到目的地。
遺憾的是，夢裡的我，沒帶相機。
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！