深度分析 RISC-V 單核心 float16 軟硬體協同設計：AIfES 框架突破邊緣裝置訓練限制 本論文提出一套基於 RISC-V 標準擴充（Zfh 與 Zvfh）的開源框架，使資源受限的 RISC-V 單核心裝置能夠執行完整的深度神經網路訓練（on-device training）。與 float32 相比，float16 的記憶體佔用降低約 50%，且模型效能僅微幅下降。
