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...
過年期間一筆 Google Adsense 的匯款通知，是相隔八年後再次領到的部落格零用錢。 看著荒廢的版面，隨著時間慢慢被 Flickr 刪去圖片連結的某些文章，就像牆上那些沒了影像的 Impossible，甚至忘了當初為了什麼要寫，也很難回覆那些文底下的新留言，客人來了，卻無從接待。 最容易被搜尋引擎找到的還是那些年記錄的底片相機把玩筆記。半夜蹲在防潮箱前面盤點的身影、出遊前各種選擇困難的場景，就像這些年認識的朋友，也不太好意思聯繫。 前年滿懷期待加入的新創公司，最終人去樓空不歡而散；去年初考了兩次職業駕駛，總是路考卡關，到底是識相地放棄。 很失敗，但依然渴望成功。 隨著時間翻攪， 髮蒼蒼而齒牙動搖，心變得輕巧，視線也模糊得不再錙銖必較。