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...
終於願意爬啦！ 我們花了約莫兩個禮拜的時間，想讓 Angel 從趴姿跨出爬行的第一步，不過 Angel 似乎一直在忖跺最佳時機！總是趴了一會兒，就整個人趴下來，手腳一起拍地墊，我覺得 Angel 有遺傳到馬麻的游泳天賦，踢水踢得蠻不錯的！ 今天中午馬麻突然發現 Angel 突然對鏡子很有興趣，因此把鏡子放遠一點，鼓勵 Angel 爬過來，於是完成了 Angel 第一次爬行的紀錄！我下班回家後，滿心期待的又試了一次，Angel 終於願意給我們面子，往把拔的方向爬過來了！耶，很開心！ 然後又花了一點時間把後面的嬰兒床床墊再往下降一格，想說讓 Angel 在裡頭玩，突然又造就了另一項紀錄，Angel 扶著欄杆自己站起囉！讚！ 雖然比起俗諺的「八爬」晚了一個月，但是總算也跨出第一步囉！之前我都跟馬麻開玩笑說 Angel 應該是不想要膝蓋磨到吧，所以不太想爬！ 現在客廳要開始來做進一步的防護措施了！