研究者提出Program-as-Weights(PAW),将模糊函数的自然语言描述编译为紧凑的本地可执行神经网络适配器。一个训练有1000万条数据的4B编译器为冻结的0.6B Qwen3解释器生成参数高效适配器,性能与直接调用32B模型相当,内存使用减少约50倍。
背景
大型语言模型越来越被用作启发式编程任务的替代方案,但云端API依赖带来了成本和延迟问题。该研究探索将专用函数编译为轻量级神经网络工件以实现离线执行。
- 来源
- Lobsters
- 发布时间
- 2026年11月17日 20:55
- 评分
- 7.0 / 10