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...
其實我向來很感謝總是有人會去嘗試一些新的首頁綁架的東西，我才有事做。 這次被綁架的頁面是一個叫做富貴導航的網站，同樣是簡體字網站，主要的壞東西是放在 C:\Program Files\cloud\ 資料夾底下，這次是用 HijackThis 搞定。 首先用 Hijackthis –> Do a System Scan，搜尋出來的結果，找到底下兩行，勾選之後，按 Fix Checked。 O4 - HKLM\..\Run: [cloud.exe] "C:\Program Files\cloud\cloud.exe" "min" O23 - Service: CloudServer - Unknown owner - C:\Program Files\cloud\CloudServer.exe 然後，Hijackthis 會要你重開機，建議先進安全模式底下把 C:\Program Files\cloud\ 這個資料夾全砍了，除非你想留做紀念，再重開機。 重開機後應該就沒問題了，如果還是不放心的話，乾脆把 IE 的設定全部恢復預設值 (Optional)