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...
(Topcon RE Super，TOPCON RE. Auto-Topcor 58mm F1.4，Perutz Primera 200) 越來越覺得力不從心。 症狀明顯的時候通常是某某朋友「又」在規劃出國旅遊，或者正在考慮買哪一棟房子，還是正在裝潢剛買的房子；又或者投資了一個好標的，或關心的朋友勇敢朝向夢想邁進，力不從心的症狀就會跑出來問候自己。 去年以前，或許還能用一個人出門拍照來稍稍化解，當時間越來越不夠之後，我常在想，是我的習性還是什麼自我管理不好造就了自己的人生，抑或我只能選擇過這樣忙碌的人生？ 其實好像不容易找到快樂的因子對吧？看著別人實現理想的我是快樂的，快樂的瞬間回頭看見自己立刻掉到谷底。 一事無成還真的是。