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...
(From: http://youtu.be/8vNxjwt2AqY)
蠻有趣的，Francis Vachon 為他九個月大的兒子拍攝玩樂時的影像，將四個小時濃縮在兩分半鐘的影片之中。(每 4 秒拍一張)
Time Lapse Photography 縮時攝影
一般來說，Time Lapse Photography 是以 24fps (每秒 24 張) 的影片呈現，比方我們以每秒鐘的間隔拍一張，那麼等於是加速了 24 倍的速度來播放影像。
假設我們要一段三分鐘的影片，來濃縮一天二十四小時的影像，那麼我們的拍攝間隔要設定多少呢？答案是每 20 秒拍一張。
相關文章：
你會需要一支定時快門線和腳架
我以前用iPhone 拍的一段
回覆刪除http://www.youtube.com/watch?v=c1qjmbMvil0
Re: cc9007 <3093106564085277016>
回覆刪除讚啦！