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...
(Topcon RE Super，Topcon RE. Auto-Topcor 58mm f1.4，Perutz Primera 200)
昨天老婆的同學們幫她慶生一起聚餐，談天說地用餐後，在人行道上繼續聊了一陣子，順便大家就拍起照來。
先是我幫大家用手機拍了一張照片，然後就有個聲音說阿我怎麼沒有一起拍，原本是想說那不然找個路人幫我們拍，我突然想起我那天帶的 Topcon RE Super 的發條式自拍器好像是沒問題的，於是就找了個人行道旁邊的黃色梯形電路箱，把相機放在上面，調整好畫面之後，上了自拍器跑過去。
我跑得有點快，經過的路人有點被嚇到，還趕快往旁邊騎樓躲進去，蠻妙的；發條式自拍器的聲音很好聽，伴隨著大約十秒的茲～，拍了這一張。
邊被拱著拿底片機來個自拍雖然不是什麼難事，但講真的壓力蠻大，深怕會失敗，看到照片才終於放心。
深表認同，我多拍幾張以求保險，但有點不捨花在同一個畫面上..
回覆刪除Re: Earen Chen <3433561514601008770>
回覆刪除^^