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...
七月底在 198 參加了一場藍晒日光顯影的課程，很感謝幫我轉製數位負片的再生設計 Jason 和藍曬映像 Mark 老師，親眼見到一張照片在日光下晒出來真的超 High 的啊！老師還示範了跟太陽神溝通的神技，太陽就真的出來了。
藍晒的資料，其實上完課以後回來查發現蠻多的，主要配方是檸檬酸鐵銨 (Ferric Ammonium Citrate) 及鐵氰化鉀 (Potassium Ferricyanide)。
| Solution A: | Solution B: | |
| Recipe #1: This is the original created by John Herschel in 1842. (古典配方) |
|
|
| Recipe #2: Variation using more concentrated solutions. (比例調整，畫面對比會比較明顯) |
|
|
| Recipe #3: A modern variation. (現代配方) |
|
|
另外，同為日光顯影法的還有白金印 (Platium Print) 和鈀印 (Palladium Print) 等等。
資料很多，底下選幾篇給有興趣的捧油參考：
- 藍曬映像 - 藍曬氰版顯影調色介紹 (Cyanotype Tone)
- 日光三部曲 之二 / 藍印、咖印、鈀金印！
- 全開氰版(藍晒版) 課堂示範
- How-To: Cyanotype Print on Handknits and Crochet
- The Cyanotype Process
也有一堆影片可以看：
(From: http://www.youtube.com/watch?v=IDOtUUhQ6Tk&feature=share&list=PL31C992D83230FE9D)
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！