Qwenputer 问世：把 RISC-V CPU 指令集塞进模型，AI 算数不再靠外部工具
IT之家 10 月 30 日消息，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。 IT之家援引博文介绍，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。 测试结果显示，在大整数乘法中，原版 Qwen3.5-4B 准确率为 55%，Qwenputer 提升至 97.5%；大整数除法从 72...
来自IT之家 AI的《Qwenputer 问世：把 RISC-V CPU 指令集塞进模型，AI 算数不再靠外部工具》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 30 日消息，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。 IT之家援引博文介绍，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。 测试结果显示，在大整数乘法中，原版 Qwen3.5-4B 准确率为 55%，Qwenputer 提升至 97.5%；大整数除法从 72...
本站只提供摘要与原文入口。完整内容请阅读原文。
来源：IT之家 AI · ithome.com