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...
今天中午照著網路文章，取得了拍完的 FP-100C 負片。
建議需要準備的工具：
一、漂白水。
二、水彩筆或軟毛刷。
三、透明玻璃或壓克力。
四、膠帶。
漂白水去除的是黑色的漆料，要避免漂白水滲到背面的藥膜層，所以先將底片藥膜層朝下面對玻璃，用膠帶固定住之後再用水彩筆沾漂白水處理即可。
我每次做實驗都有點懶，家裡沒漂白水，拿了一罐濃縮清潔劑做實驗，也沒固定住藥膜面不滲清潔劑過去，也沒掃描器可以試掃。
至少，是成功刷出了兩張負片，手還蠻痠的。
可以參考的文章：
- Turn your Fujifilm FP-100C into negatives [中文]
- Fuji reclaimed negatives revisited: The 4x5 edition [英文]
第二篇的作者也分享了影片：
(From: http://youtu.be/7diQfXiTfBg)
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！