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...
最近家附近開了一家義式餐點的餐廳，叫做 SPEZiA 斯佩齊亞創意小廚，我沒怎麼認真拍，但我喜歡這間店，包括服務和店的氣氛，用餐的感覺很好，口味也很不錯，也標榜是一家寵物友善餐廳。
引述自該店臉書專頁的介紹：
SPEZiA義大利文原譯：香料。
Spezia結合了口味較濃郁的北義料理，以及大量運用地中海海鮮和蕃茄，口感酸酸甜甜的南義料理，完整樸實的呈現，使用食材健康天然蔬菜原味取勝，有別於台式義大利麵，湯湯水水的義大利麵，不加入人工甘味劑，依傳統義式料理湯汁麵條的融合，收汁美味呈現，別具於一般異國料理的特色，完整傳遞專業化、主流化的餐廳，舒適輕鬆的用餐環境，家的感覺。
Angel 點菜
等待餐點上桌和馬麻合照，因為那陣子學會比 YA，每次拍照都比
跟馬麻一起喝南瓜湯，店家會很貼心主動的幫小朋友換上他們專用的餐具
(Pentax MZ-L，FA 43mm LE，Kodak PJ400 過期)
地址：新北市永和區永元路71號
電話：02-2231-2121
官網：SPEZiA 斯佩齊亞義式創意小廚
專頁：SPEZiA 斯佩齊亞創意小廚
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！