我在 Qwen 模型权重里运行了 Doom!
摘要
作者受到 qwenputer 项目启发,在 Qwen 模型权重内构建的虚拟机上成功运行了基础版 Doom,虽然速度很慢,但实现了「在 LLM 上跑 Doom」的趣味演示,并开源了项目仓库。
受到今天早些时候发在本版块的 qwenputer 项目启发,我成功让基础版 Doom 运行在了那篇文章中构建的虚拟机上。速度相当慢,但我们做到了。Doom 运行在一个 LLM 上。项目仓库:https://github.com/mapestree/qwenputer-doom
相似文章
有人在Qwen模型权重中直接构建了一台32位RISC-V CPU,使其能够在模型内部执行指令!
有人在Qwen模型权重中直接构建了一台32位RISC-V CPU,使其能够在模型内部执行指令,这可能对工具调用和计算机操作能力产生影响。
Doom 在 LLM 上运行——包含 Hugging Face 检查点
一位开发者使用自定义编译器(torchwright)将 Doom 的渲染算法移植到 transformer 权重中,创建了一个未经训练的 LLM,它通过发出绘图命令来渲染 Doom 帧。检查点已在 Hugging Face 上提供。
意式浓缩咖啡机能运行Doom
一位黑客成功让经典游戏Doom在一台意式浓缩咖啡机上运行,为经久不衰的'能运行Doom'梗增添了一个新奇的硬件目标。
我将Jev、Laya、微调版ModernCE和Qwen3.5的控制权交给了Doom游戏
这是一个实验,其中Jev、Laya、微调版ModernCE-base-nli和Qwen3.5-4B等AI模型被赋予了在Doom游戏中的控制权,并在不同场景下测量了击杀数和生存时间的性能指标。
@MinLiBuilds: Qwen3.8-Flash-Next 的 GGUF,111GB 模型在双 4090 96G 竟然跑通了。 这模型是真的邪门。 我这台机器是: 2× RTX 4090 48G = 96GB 显存 62GB 内存 跑的是 Unsloth 的 …
成功在双RTX 4090 96GB显存上运行了111GB的Qwen3.8-Flash-Next GGUF模型,通过PLE和稀疏注意力优化实现了66 tokens/s的生成速度,并详细说明了量化和运行配置。