Translation(model translation, not the source's own text)
计算机科学 > 机器学习
标题:Program-as-Weights:面向模糊函数的编程范式
摘要:许多日常编程任务难以用清晰的规则实现,例如对重要日志行发出告警、修复格式错误的 JSON,或按意图对搜索结果排序,这些任务正越来越多地被外包给大型语言模型 API,代价是牺牲了本地性、可复现性和成本。我们提出模糊函数编程:从自然语言规范出发,将这类函数编译为一个紧凑的、可本地执行的神经产物。我们用 Program-as-Weights(PAW)实例化这一范式,其中一个在 FuzzyBench(我们发布的包含 1000 万样本的数据集)上训练的 4B 编译器,为一个冻结的轻量级解释器生成参数高效的适配器。执行 PAW 程序的 0.6B Qwen3 解释器,其性能与直接提示 Qwen3-32B 相当,而推理内存约为后者的五十分之一,在 MacBook M3 上以 30 tokens/s 运行。PAW 将基础模型从针对每个输入的问题求解器重新定位为工具构建器:每个函数定义仅调用一次,产出一个可复用的小型产物,其后每次函数应用调用的成本都很低且可离线完成。
| 备注: | NeurIPS 2026 定稿版本 |
|---|---|
| 学科: | 机器学习(cs.LG);人工智能(cs.AI);计算与语言(cs.CL) |
| 引用方式: | arXiv:2607.02512 [cs.LG] |
| (或本版本 arXiv:2607.02512v2 [cs.LG]) | |
| https://doi.org/10.48550/arXiv.2607.02512 由 DataCite 签发的 arXiv DOI |
提交历史
访问论文:
- HTML(实验性)
附加功能
- 音频摘要
当前浏览上下文:
参考文献与引用
- Google Scholar
- Semantic Scholar
BibTeX 格式引用
书签
文献与引用工具
与本文相关的代码、数据和媒体
演示
推荐与搜索工具
arXivLabs:与社区合作者开展的实验性项目
arXivLabs 是一个框架,允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。
与 arXivLabs 合作的个人和组织都认同并接受了我们的价值观:开放、社区、卓越和用户数据隐私。arXiv 致力于这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有能为 arXiv 社区带来价值的项目想法吗?了解更多关于 arXivLabs 的信息。