开发者发布Doomformer：将整数神经网络编译进《毁灭战士》地图，MNIST识别准确率达97.16%
开源项目Doomformer利用游戏机制在《毁灭战士》中运行神经网络，实现MNIST手写数字识别，准确率97.16%，所有计算值均与NumPy参考结果零误差匹配。
GitHub用户mottopanikeiku发布了开源项目Doomformer，该项目将整数神经网络编译进经典第一人称射击游戏《毁灭战士》（DOOM）的地图文件中。据t3n.de报道及GitHub仓库显示，该实验利用游戏中的“巫毒娃娃”（Voodoo Dolls，一种当玩家进入特定区域时生成的克隆实体）作为计算单元，通过光线水平和地板高度存储数值，实现了神经网络的推理过程。
在针对MNIST手写数字数据集的测试中，Doomformer使用包含1,355个巫毒娃娃的地图网络，对10,000个测试样本进行了识别，正确率为9,716个，即97.16%。浮点模型版本的准确率为97.58%。项目强调其验证机制的严格性：每一个由游戏引擎计算出的数值都会与NumPy库中的整数参考结果进行比对，容差为零（tolerance 0）。
该项目的核心创新在于编译器技术，它将神经网络层映射为游戏地图元素：输入值对应一群娃娃，权重对应娃娃穿过的线条，激活函数（ReLU）对应娃娃必须爬升的楼梯门控，注意力机制则通过娃娃在降低的天花板下挤过来实现。尽管这一方法展示了非传统计算基底的可行性，但其速度极慢，小型多层感知机比NumPy执行慢约23,000倍，且目前仅支持整数模型，不包含LayerNorm等现代架构组件。