nesformer 项目：将 NES 游戏机编译进 Qwen3.5 模型权重

nesformer 的核心机制是把 CPU 执行日志作为 token 序列，由 Qwen3.5 模型逐步预测。模型内部利用 Gated DeltaNet 的 128×128 状态矩阵作为内存单元，通过 one-hot 键值操作实现读写，使得卡带、RAM 和寄存器都能存放在权重中。编译器而非训练过程计算出所有权重，因此模型本身是未经过微调的标准 checkpoint。

运行方式上，项目提供了多种 CLI 命令，包括 run（运行 ROM 并保存 GIF）、check（对比参考模拟器验证一致性）和 trace（打印 token 流）。游戏输入通过 --buttons 参数指定，例如 start@60-65,right@200-600,a@250-265 表示在指定帧按下对应按键。当前仅支持 NROM 映射器（iNES mapper 0）的卡带，如 Super Mario Bros.、Donkey Kong 和 Excitebike。

性能方面，使用 numba 引擎时每帧需要 1-6 秒，600 帧（即 10 秒 NES 时间）约需 10 分钟以上。若使用 Hugging Face 原生 transformers 引擎，速度约 10 token/s。项目要求 Python 3.11+，依赖 numpy、scipy、numba 和 pillow。

该项目的直接基础是 Divyansh Agrawal 的 Qwenputer，后者曾将 CHIP-8 和 RISC-V CPU 编译进 Qwen3.5-4B。nesformer 复用了其编译器和核心技巧，但将目标从简单模拟器推进到完整 NES 控制台，包括 PPU 渲染、控制器输入、APU 寄存器写入和 NMI 中断时序。