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...
(攝於台北永康公園，Panasonic LX3) 強震津波之後，日本展現的秩序透過媒體的報導，讓世人欽佩不已。 在災後物資匱乏的情況之下，所有人仍然規矩地排著隊，領取或購買物資和水，絲毫不見混亂；加油站不開放民眾加油，為的是保留讓救難車輛有足夠的燃料可以前往救災；商店配合限電措施，共赴國難、共體時艱；飲料公司宣布所有販售機將免費供應飲料，日本的 7-11 和全家全部免費提供食品和飲水，大超市開放避難，公眾電話免費；電視台用各國語言宣導著如何避難。 日本雖然受災，團結、守法、守秩序，已然成為全世界的典範。 禮拜天的下午，我們帶 Angel 在永康公園溜滑梯，在我身旁是一位日本爸爸，他的孩子，不像有些孩子會急著搶爬樓梯，甚至會推開爬得慢的孩子，日本男孩跟在我們家爬樓梯小心又緩慢的 Angel 後面，一階一階，跟著上到了梯頂，溜下來之前，用手勢和他的父親一再的確認從哪一條滑梯溜下，他的父親則是用聲音和手勢指揮著，要小男孩等待別的孩子溜下來，梯面上沒有孩子的時候，父親說 OK 了，小男孩才從滑梯下溜下來。 那一刻，對照著日本災後的表現，見微知著，很佩服他們的公民教育，展現了強大的國家軟實力。