Un petit réseau de neurones décide si un nombre est Numberwang. Le modèle est un fichier JSON de 1,8 Mo et l'inférence est d'environ 100 lignes de pure bibliothèque standard Python — pas de PyTorch, pas de NumPy. Clonez et exécutez : python3 numberwang.py 2222 donne "THAT'S NUMBERWANG!" (confiance : 99,3%).

Exécutez sans argument pour le mode interactif. Nécessite Python 3.8+. Dans le code, load_model et wang_probabilities renvoient quatre verdicts : pas Numberwang, Numberwang, pas un nombre, ou Wangernumb. Il accepte les chiffres, les mots en onze langues, l'arithmétique, les chiffres romains, les ordinaux, les négatifs, les décimaux, la monnaie, les unités, les heures et les nombres fictifs.

Architecture : chars → Embedding(32) → Conv1d(128, k3) → ReLU → Conv1d(128, k3) → ReLU → global max pool → Linear(128) → ReLU → Linear(4) → softmax. 80 804 paramètres. Pas de tokenizer ni de moteur de règles. Une démo tourne sur Hugging Face Spaces ; gradio est uniquement pour la démo.

La précision est de 88,9 % sur 486 adjudications retenues (macro-F1 0,896). L'arithmétique sur des opérandes inédits est faible (44–72 %). Licence MIT.

Entités clés : Entreprises : GitHub, Hugging Face Spaces

FAQ : Qu'est-ce que le réseau de neurones Numberwang ?

Un petit réseau de neurones qui décide si un nombre est Numberwang. Il utilise un modèle JSON de 1,8 Mo et environ 100 lignes de pure bibliothèque standard Python, sans nécessiter PyTorch ni NumPy.

FAQ Q : Qu'est-ce que le réseau de neurones Numberwang ?

FAQ A : Un petit réseau de neurones qui décide si un nombre est Numberwang. Il utilise un modèle JSON de 1,8 Mo et environ 100 lignes de pure bibliothèque standard Python, sans nécessiter PyTorch ni NumPy.