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...
這陣子 Getty Images 收了一些照片，其中有幾張是夕陽的圖，剛好都是不同的相機拍的。話說雖然目前已經審核通過的大約有 70+ 張，不過銷售並沒有多好就是，五月才又賣掉一張而已 (六月還沒看到報表)。
▲Pentax K100D，18-55 Kit，出處：淡水之夕．沙崙海水浴場
▲Softbank 707sc，Lightroom 3，出處：霞光．每次出景總是沒帶相機 (2010.08.24)
▲Panasonic LX3，出處：這是流行．淡水之夕
▲Minolta XD，Minolta MD 28mm f2.8，Perutz Primera 100，出處：[底片集] Perutz Primera 100．Minolta XD 卷二
咦，你有在賣照片喔！
回覆刪除真厲害！！
Re: applepeel <5105311017655141999>
回覆刪除是有，但賣得很差... XD
Re: applepeel <5105311017655141999>
回覆刪除不過我這種拍 Fu 的東西，Getty Images 願意收我是覺得蠻高興的 ^^