专题DisconfirmAI 编辑部更新于 2026-11-01 17:36

Doomformer

4 节点1 篇4 来源

开发者mottopanikeiku发布开源项目Doomformer，将整数神经网络编译进《毁灭战士》（DOOM）地图中运行。该项目利用游戏机制中的“巫毒娃娃”（Voodoo Dolls）、地板线条和光照等级来模拟神经网络的权重、激活函数和计算过程。在MNIST手写数字识别测试中，Doomformer实现了97.16%的准确率，且所有计算值与NumPy参考结果零误差匹配。尽管其运行速度比传统计算慢约23,000倍，但这一实验证明了通过游戏引擎进行通用计算的可行性，并展示了编译器如何处理DOOM引擎的物理限制以维持数值精确性。

事情怎么走到这一步

2026-10-28
GitHub仓库发布v0.7.1版本，修复了静态提取器在特定地图配置下的误报问题，并优化了调度与成本文档。
github.com ↗
2026-10-30
德国科技媒体t3n.de报道Doomformer项目，介绍其如何利用1,355个巫毒娃娃在单张地图中运行MNIST网络。
t3n.de ↗
2026-10-30
AI Weekly发布分析文章，指出Doomformer在10,000个测试样本中正确识别9,716个数字，准确率为97.16%，但运行速度极慢。
aiweekly.co ↗
2026-10-31
Disconfirm发布新闻条目，总结Doomformer的核心成就：在DOOM中实现整数神经网络编译，并通过NumPy零误差验证。
github.com ↗

还没定论的部分

Doomformer目前仅支持整数运算且不支持LayerNorm，未来是否会扩展至更复杂的浮点或Transformer架构？
开发者提到正在实验让AI自己玩DOOM，但目前决策耗时约22秒，该实时交互性能是否有优化空间？
除了MNIST分类，Doomformer在生成式任务（如文本生成）上的实际可用性如何？

来源

事情怎么走到这一步

2026-10-28

GitHub仓库发布v0.7.1版本，修复了静态提取器在特定地图配置下的误报问题，并优化了调度与成本文档。

github.com ↗

2026-10-30

德国科技媒体t3n.de报道Doomformer项目，介绍其如何利用1,355个巫毒娃娃在单张地图中运行MNIST网络。

t3n.de ↗

2026-10-30

AI Weekly发布分析文章，指出Doomformer在10,000个测试样本中正确识别9,716个数字，准确率为97.16%，但运行速度极慢。

aiweekly.co ↗

2026-10-31

Disconfirm发布新闻条目，总结Doomformer的核心成就：在DOOM中实现整数神经网络编译，并通过NumPy零误差验证。

github.com ↗

还没定论的部分

Doomformer目前仅支持整数运算且不支持LayerNorm，未来是否会扩展至更复杂的浮点或Transformer架构？

开发者提到正在实验让AI自己玩DOOM，但目前决策耗时约22秒，该实时交互性能是否有优化空间？

除了MNIST分类，Doomformer在生成式任务（如文本生成）上的实际可用性如何？

事情怎么走到这一步

还没定论的部分

来源

事情怎么走到这一步

还没定论的部分

来源

这一专题下的内容