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...
搶便宜趁今天！特力屋週年回饋，僅此一檔
歐債危機引發全球經濟二次衰退的疑慮，你，已經擬好「看好荷包」的戰略了嗎？特力屋率先發起 "搶救荷包大作戰"！在週年慶之際，要讓你獨享「滿2000送300」的好康優惠，僅此一檔，想搶便宜趕快趁現在！！
不論你是上班族、媽咪、爹地，還是只是位喜歡DIY、佈置居家環境的好男好女，或剛好有送禮需求的消費者，趕快到特力屋週年慶尋寶搶便宜，說不定，一口氣可以幫你省下一大筆錢呢！活動只有短短幾天，現在馬上GO：
http://js1.sharer.com.tw/gatewayhost.aspx?fid=3&mid=225&redirect=http%3A%2F%2Fwww%2Ei%2Dhouse%2Ecom%2Etw%2Fpub%2Fedm%2Fstatic%2Fevent%2F111006%5Fcelebratesoutside%2F%3Futm%5Fsource%3Dbloggerads%26utm%5Fmedium%3Dcpm%26utm%5Fcampaign%3Dbuzz
dear jimmy：
回覆刪除因為特力屋回饋，為了趕流行，決定送你一個大禮，
那台Praktica MTL50品相太好捨不得賣給別人，決定免費物歸原主，以答謝一直以來的照顧，下星期二寄出，以上。
祝購物愉快～～
Re: applepeel <4546784154521611369>
回覆刪除不要鬧了，幹嘛這樣？
因為我要砍掉重練，順便問一下nannan有收機身嗎？
回覆刪除還有我要買7400底掃
Re: applepeel <6010115441127267825>
回覆刪除重練跟把相機寄回來根本沒關係。
話說你要買底掃囉？我以為你會買平台式的耶？有沒有考慮我這台 7500i？
7500i貴了一點！
回覆刪除我要整合系統，把機身賣一賣，要請別人代賣，
我的問題不方便回答嗎？？
Re: applepeel <2775165953488949598>
回覆刪除我 email 給你。
好
回覆刪除