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...
(Ricoh 500GX，Kodak PJ400 過期)
好幾年前，我曾經在路上被邀去做一份來自香港的水餃產品要在台灣上市前的試吃，當時我對於他們拿來做對照組的另一款原本台灣的水餃評價還比較高，後來好像那款水餃開始在賣場出現了，我到現在都沒有買來吃過。
我這裡的讀者有一種類似的隱性，或許少有評論，我們也少有互動，但看到感興趣的標題會給你個機會進來看看，還可以的就默默地按個讚或者 G+，隱隱地在他的心裡自有論斷，願意再來幾次未可得知，甚至不願意透露他們偷偷地在看著，哪一段不相信，哪一段不認同，其實通通在每一位讀者所屬的族群裡被談論著，不小心有了一個正向的評價可能可以因此增加不止一位讀者，然而負面的評價卻流失地更快，一旦沒有成長，沒有料，不合口味的一段評論，都可能是他再也不來的原因。
選民也是，隱藏著一群你以為是鐵票的支持者，或許他的內心充滿著無奈與感傷，諸多莫名的恐慌讓他仍然含淚含血投票，抑或終於願意做出決定性的改變。往往真實卻不足以撼動結果的原因沒有一個爬上高位的政客願意彎腰深省，但那的確真實而卑微的存在著。
真心想要的，也只有「真實」而已，那是一種不願妥協的存在感。
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！