DOOMFORMER：把整数神经网络编译进 DOOM 地图，用游戏机制做算术

DOOMFORMER 的核心思路是用 DOOM 的游戏机制替代常规数学运算。voodoo dolls（DOOM 为额外玩家生成的玩家副本）负责计算，扇区光照和平面高度保存求和结果，Python 从运行中的游戏读取每个暴露值，与 NumPy 整数参考比对，容差为 0，错一位就算失败。

性能方面，小规模 MLP 上引擎时间比 NumPy 慢约 23000 倍，整次调用含计时器慢 65000 倍。手写数字识别默认调度需 163 秒实时 DOOM，用 --opt 3 优化后降至 8 秒。

功能列表：

• MNIST 数字分类：在游戏地图上画数字，直接用 DOOM 识别
• 简单对话功能
• 决策能力：用 DOOM 玩 DOOM，数以千计的 DOOM 游戏生成地图控制角色行动

验证结果：

• 前 100 个 MNIST 测试数字中识别 99 个，1000 个样本中正确 966 个
• 整数网络在全部 10000 个数字上准确率 97.16%，浮点模型为 97.58%
• 30 个手写数字（0-9，三种脚本笔画变体）全部读对且精确

DOOMFORMER 还提供博物馆地图，玩家无需 Python 即可体验：踩七个地板点亮数字，读完后可按 MUTATE 改变网络连接权重，观察数字识别结果随之变化。安装支持 Python 3.11+ 和 Linux/macOS。