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...
(Olympus OM-2，OM G.Zuiko 50mm f1.4，Kodak PJ400) 因為喜歡，所以一家三口一起決定搬到新故鄉。 對成員中兩位台北出生的女孩子來說，這樣的生活環境或許是反差很大的。 我記得帶 Angel 參觀宜蘭的幼兒園時，園長講了很多，最有感覺的是關於『生命的節奏』。 踏著微涼的晨露，一早七點十分的客運，一天工作之後，晚上九點左右的班車，似乎也成了一種節奏。 有著相同節奏的也不少，前一晚同班車回羅東的通車人，隔天早上也出現在客運站，一起買票上車。 幾次都是隨到車站隨劃位，我總坐在最後排，高高的計算著載客率，睡一下嘛其實時間也不夠長，頂多就是聽個歌曲節奏閉目養神一番。 幾天下來，發現也有對節奏感要求強烈的通車人，固定劃上每天同一班車的同一個靠窗座位，從綠油油的農田到高樓高架林立，每日輪播。 覺得幸運的是，每次決定一種全新的節奏並不會得來八方四面的阻撓，反而從入學，找要租的房子，獲得了好多甜蜜卻又素未謀面的幫助，於是可以一直這麼任性著，追求自己喜歡的節奏。 要感謝的人太多，就謝天吧。