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...
(Konica Autoreflex T2，Konica AR Hexanon 40mm f1.8，Kodak PJ400 過期)
可能是一直以來都是被擔心著的個性，更未能充份證明自己，即使已做了決定，也很快的找到了新的方向，卻還是讓向來傳統的父母擔心不已。
我不想抗辯什麼，人生的每個決定都伴隨風險的不是嗎？即使是移動車廂中的拉環，你以為是穩固的死拉住不放，突然就鬆脫讓你摔個四腳朝天亦未可得知。
輕輕拉著，一個接一個慢慢前進著，我寧可選擇傾聽並相信我的內心，而不是誤以為的穩當。
希望總有一天，累積的力量終於讓我走到讓人安心的彼岸，即使我得耗上比別人更長的時間。
擔心不完的，畢竟是我的人生，我的福報，心願向來簡單的我，有努力有收獲就夠我滿足了。
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！