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...
論語《述而》
---
Francois de La Rochefoucauld
We are more interested in making others believe we are happy than in trying to be happy ourselves.
妙法蓮華經卷第一 方便品第二
舍利弗。現在十方無量百千萬億佛土中諸佛世尊。多所饒益安樂眾生。是諸佛亦以無量無數方便。種種因緣譬喻言辭。而為眾生演說諸法。是法皆為一佛乘故。是諸眾生從佛聞法。究竟皆得一切種智。
---
Buddha
Thousands of candles can be lighted from a single candle, and the life of the candle will not be shortened. Happiness never decreases by being shared.
《佛說四十二章經》第十章 喜施獲福
佛言:睹人施道,助之歡喜,得福甚大。沙門問曰:此福盡乎?佛言:譬如一炬之火,數百千人,各以炬來分取,熟食除冥,此炬如故,福亦如之。
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!