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...
撕拉以來，可以體會朋友熱衷拍立得的那種狂熱。
Polaroid 350 拍了七包半，一直被自動控制的電子快門困擾著，最後忍不住還是搞了一台 Mamiya Universal，揹那種東西出門的時候，好像會被當成瘋子。
Mamiya Universal 拍的兩包半，失敗率也不能算低的，特別是陰雨季節裡貧弱不堪的人肉測光表，一開始是眼殘對焦對不好老毛病(後來發現是相機的連動測距偏移很大，於是就土法自行校正了)，然後是畫面很喜歡但曝光過度或不足，有時候又是亮度江江好了但左手按快門抖太凶。
通常撕完照片，會坐在照片前發呆良久，無論成功還是失敗。
有時在公園想要拍張照片送人，會覺得那是對自己控制相機能力的試煉，成功失敗在這可怕的一分半裡，那撕開照片的一瞬間，如果聽得到別人心聲的話，送給別人失敗的照片應該聽得到他內心的幹聲和訕笑聲吧？
但哪怕是十張只有一張成功的難堪境地，又迫不及待開了另一包，樂此不疲。
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！