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...
日系 70 年代的 RF 相機中，有七台被有心人命名為七劍，很剛好我一台都沒有。 當然七劍都有與同時期 RF 相機相比之下所產生的優點，但其實就像你或許在 Panasonic 推出 GF2 的時候仍然喜愛 GF1 多一點，那都是一種見仁見智的感受，對於別人的推薦清單，你可以認同並追捧，但就是需要多付一點錢。 比如說大家一直說 Canon QL17 長得多好看多強大什麼鬼的，我是可以認同保留全機械操作再送你自動曝光功能，這對於幾十年後的收藏者或擁有者來說，電子部份壞掉還能繼續拍照是蠻好的，但你千萬別跟我說他長得有多好看，比他好看的相機多的是！ Olympus 列席七劍名單也太多台，大概只能說是對手太弱而不是真的太強，畢竟要認真湊出七台還真的不是那麼容易。 最後是七劍裡面有一台 Petri Color 35，一來他是估焦，二來他光圈最大也只到 f2.8，我一直都認為可能連他自己都被列名的有點莫名奇妙吧，他可能會說， Petri ES Auto 我兄弟更強大家怎麼都不認識來著。 言歸正傳，如果你要找一台大於 f2 的大光圈 RF，又能接受除了設定 ISO 和閃燈 GN 之外什麼都沒辦法控制 (當然可以設定 ISO 你可以做一些手腳，頂多就是加減 EV 的遊戲而已)，光圈快門完全交給相機處理，那麼你就可以參考這台 Minolta Hi-matic E。 Hi-matic E 比名列七劍的 Hi-matic 7SII 多了貼心的底片裝片指示，一樣大的 f1.7 光圈，最速快門到達 1/1000 秒比 7SII 還讚，而且血統純正不像 Hi-matic 7SII 一般被認為是 Cosina 代工製造。 來跟 Hi-matic CS 比一下大小： 主要規格 感光度支援: ASA 25 ~ 500。 鏡頭: Rokkor-QF 40mm f1.7，為 Minolta 早期有標示鏡片結構的鏡頭，Q = 4，F = 6，鏡片結構為六片四群，口徑 49mm。 最近對焦距離: 0.8 m。 自拍撥桿: 有，約 10 秒。 測光: CdS-meter，全自動曝光，沒得設定光圈快門。 快門: Seiko ESF 電子式鏡間快門，2 秒 ~ 1/1000 秒，沒有 B 快，為鏡間快門機種少見的 1/1000 秒快門，以年份來看應該...