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...
面臨低潮，通常會選擇早點睡，睡醒後情緒燃點雖然仍是偏低，至少重回軌道會看得精準一些。
我的負面情緒常常是讓我選擇逃離的那種，總覺得有一種力量引著我回去深山修行。
無眠對我來說不算是一種症狀，是正常的少眠狀態，我覺得睡眠應該是累了就會睡著，幸運的是，我進入睡眠尚且不需外物的幫助，還能呈現一種入定接近死亡的平靜，我總是不容易被叫醒。
我會選擇何時該醒，這抉擇有時是現實世界的行程，有時是因為夢境難再連續。
從前常常連續做相同人物多重場景的分段長篇大夢，現在這種夢卻漸漸離我而去，現實的行程會影響大夢的產出，我有時很懷念那種大夢初醒的味道，那懷念也許因為我總是不記得書寫，或是自以為它必會再來而無心書寫，終至今日這步田地。
"為什麼我們四人的位子歪掉的阿，相當歪"，這是最近老婆說我說的夢話，至於是哪四個人我已經無從查明。
睡飽後再讀失眠一文有感。
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！