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...
禮拜天當天往返了台中台北，是為了吃喜酒去的，順便也約了兩個朋友。 一個是從來沒見過面的網友，但網路上他剛強的照片與形象，在我聽到他溫柔的聲音時整個改觀了，是個溫柔又有個性的好男子啊！ 這位溫柔的網友也幫我們拍了張我好喜歡的全家福照片。 在逢甲公園也遇到一位可親的奶奶，帶著外孫女來公園走走，跟我們聊了好多，好慈祥的奶奶。 吃喜酒當然也是有拍，但一整包照片一張沒留都送人了，也忘了用手機拍下來，於是快轉，現在只能期待有收到照片的人幫忙掃描回傳一下讓我留念留念。 也真的恭喜愛情長跑了十二年終於結婚的學弟妹，重點是新郎新娘兩個人的歌喉也太天壤之別吧，新娘可以簽一簽發片了。 吃完喜酒之後，跟當兵的學長約了見面，算一算退伍後六七年沒見了吧。 想不到本來我女兒不太搭理他的，居然在展示了他手機裡他們家貓咪的照片以後，感情就如此融洽了，真好拐呀真的是。