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...
(Kodak Retina IIIc，Schneider Xenon 50mm f2 c，Kodak PJ 400) 這天，滂沱大雨，11 點 43 分的小診所裡， 愛蓮 剛上完麻藥，雙手綑綁，雙腿張開，等著醫師摘了未熟的瓜果。 那是她與 傑爾 唯一的孩子，這個錯算日子的大意外，她從來也沒打算要了，早早就約了醫師，怎知正好約在傑爾生日的當天。 「公司要我到日本考察，大約一個禮拜的時間。」 『好吧。何時出門，我送妳到機場。』 「甭了，一早 5 點 43 分公司會派公務車，你起不來的，多睡會兒吧。」 「對了，生日快樂。」 12 點 43 分，恢復室靜躺半個小時，聽過護士一大篇衛教宣讀，簽下名，領完藥，軟著腿，租了間偏遠的溫泉湯屋，開始這一個禮拜的日本考察之旅。