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...
低調收藏，與您分享。 從 2012 年 3 月開始，弱格會開一個新的賣場，幫忙朋友出售寄賣器材，初期會先以鏡頭為主，陸續有商品上架，歡迎 參觀指教 。 弱格這裡主要仍是提供詢問和資訊分享的地方，您如果有特別需要的鏡頭需要協尋的，也許在這裡也可以做一個徵求的動作，我在想日後弱格有沒有可能建立一個媒合器材交流的園地，這也許是很久很久以後的事，但也不是不可能；我們也有在計劃要不要對外提供寄賣的服務，但目前尚且經驗不足，我們選擇先穩健的經營小小的賣場，日後有能力再談。 感謝網友的支持，下表是之前在這個頁面賣掉的器材 編號 項目 價格 參考連結 備註 1 Minolta XE + MD 28mm f2.8 + MD 75-150mm f4 已售出 Minolta XE 、 Minolta MD 28mm f2.8 、 Minolta MD ZOOM 75-150mm f4 20110715 售出 3 Pentacon MC 29mm f2.8 M42 已售出 Pentacon auto MC 29mm F2.8 20111130 售出 2 Pentax S-M-C 200mm f4 M42 已售出 Pentax Super-Multi-Coated Takumar 200mm f4 20111204 售出 4 Contax NX 機身 已售出 Contax NX 20120316 售出 歡迎大家繼續給我們更多的意見，謝謝您。