采集时热榜第 19 名 · 95 万热度 开发者 Divyansh Agrawal 于 10 月 22 日发布实验性模型 Qwenputer，基于阿里 Qwen3.5-4B 构建，在神经网络内部实现了 32 位 RISC-V CPU 与内存功能，让大语言模型无需调用 Python 等外部工具，也能执行程序和精确计算。博文介绍，传统 AI 大模型依靠预测下一个词元（Token）生成回答，遇到大整数乘除、长链运算时容易出错，通常需要调用外部计算器或代码解释器。 而 Qwenputer 的解决思路是将 RISC-V 的 RV32IM 指令集及相关扩展「编译」进模型权重，并利用 Qwen3.5 的门控 DeltaNet 内部状态充当 RAM，从而在模型中构建可执行算术、条件分支和程序的 CPU。 qwenputer 问世：把 risc-v CPU 指令集塞进模型，ai 算数不再靠外部工具
采集时热榜第 41 名 · 88 万热度
开发者 Divyansh Agrawal 于 10 月 22 日发布实验性模型 Qwenputer，基于阿里 Qwen3.5-4B 构建，在神经网络内部实现了 32 位 RISC-V CPU 与内存功能，让大语言模型无需调用 Python 等外部工具，也能执行程序和精确计算。博文介绍，传统 AI 大模型依靠预测下一个词元（Token）生成回答，遇到大整数乘除、长链运算时容易出错，通常需要调用外部计算器或代码解释器。 而 Qwenputer 的解决思路是将 RISC-V 的 RV32IM 指令集及相关扩展「编译」进模型权重，并利用 Qwen3.5 的门控 DeltaNet 内部状态充当 RAM，从而在模型中构建可执行算术、条件分支和程序的 CPU。 qwenputer 问世：把 risc-v CPU 指令集塞进模型，ai 算数不再靠外部工具