TLDR;

Refere‑se a um modelo de linguagem maior que integrou um computador completo — um processador RISC‑V de 32 bits (e depois uma unidade vetorial) — dentro de seus pesos e camadas de memória, permitindo que ele execute outro modelo internamente durante o forward pass. Funciona compilando a lógica do processador nas operações e pesos do modelo, usando as camadas de memória como RAM para executar código C/MicroPython e instruções durante a inferência. É uma prova de conceito funcional que passou testes RISC‑V, roda um modelo menor dentro do maior com operações bit‑a‑bit e até mantém um sistema de arquivos persistente nas camadas do modelo, mostrando que AIs podem emular computadores e preservar estado entre conversas

Resumo

Um pesquisador conseguiu algo impressionante: ele compilou um processador RISC‑V de 32 bits inteiro dentro dos pesos de um modelo de linguagem (no caso, OpenQwen 3.5 4B), usando as camadas de memória do modelo como RAM. O “computador” roda durante a passagem direta (forward pass) do modelo, executando código C e MicroPython e passando nos testes oficiais do RISC‑V; existe até uma versão com sistema de arquivos embutido nas camadas de memória, permitindo salvar arquivos em um chat e recarregar o estado posteriormente. Em seguida a equipe foi além e integrou uma unidade vetorial também nos pesos, implementando multiplicações de matrizes, atenção e softmax bit a bit, e sobre isso rodaram o tiny LM de Karpathy (260k parâmetros). O resultado é uma pilha surpreendente: um modelo de linguagem maior executando completamente outro modelo menor inteiramente dentro de si, com todos os cálculos ocorrendo como operações exatas na passagem do modelo — sem ferramentas externas —, ou seja, os pesos do modelo menor ficam simplesmente armazenados na memória do modelo maior. O autor descreve isso como um “computador dentro de uma IA”. Essa técnica abre possibilidades inéditas de construção modular, persistência de estado e execução autônoma dentro de modelos de IA.