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...
最近送 Getty Images 審核的照片，幾乎只花了一到兩週的時間就審核通過了，也太友善了吧？ 算算有五十一張了，雖然不是每一張都能賣，有些是授權可能拿不到，有些是原圖太差懶得處理。另外最近有幾張圖遇到的情況是 Getty Images 會要求移除照片裡的一些像是商標的字樣，所以還得自己用 Photoshop 移除掉，擺明了是要我好好練習 Photoshop 和 Lightroom 的功課嘛！ 比如說底下這張，Getty Images 的要求是，把小熊移除... 又因為最近沒時間出門拍照，手也很癢，乾脆花點時間玩玩後製，所以最近也試著把一些以前底片沖掃的小圖，用 Lightroom 和 Photoshop 做一些後製補點的動作讓圖變大，也使用一些 Preset 和 濾鏡處理看看，算是一種嘗試，不過主要會是把視覺上的色彩跟亮度做一些調整的實驗，順便修掉髒點什麼的，原則上還是會盡量保留原來照片的構圖吧。 不曉得會不會被 Getty Images 收進去，這樣的話，以前那些底片拍的照片不用重掃也可以拿來賣了 XD 底下是最近把底片後製的嘗試作品》