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...
使用相機：Nikon FE with Tamron 35-70mm f3.5 BBAR
使用底片：KODAK PROFESSIONAL EKTAPRESS PJ400 過期，拍 200 正常沖
沖掃店家：公館五色鳥
基隆很少見的沙灘，在大武崙澳仔漁港的旁邊，格子先生介紹的，小小一片，其他的海岸線幾乎都是岩岸，因此在假日這片沙灘戲水的遊客密度很高。
訓練，那天風浪其實不小，我覺得這黃金都不會累的，超強！
海邊是情侶約會的勝地
老婆有用俄文跟他們聊了一下，是從莫斯科來的，好像是從台北搭計程車來基隆外木山沙灘。
介紹我們來這裡玩的情侶陪我們家 Angel 一個下午，感謝！
還有給 Angel 的精美小禮物兩枚。
設置有公用的沖水區，貼心！水龍頭高度的設計應該是讓你沖腳的而已。
Google Map 附上，基隆市湖海路二段
檢視較大的地圖
這兩卷其他照片：
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！