Artikel ini memperkenalkan Program-as-Weights (PAW), sebuah paradigma yang mengompilasi spesifikasi bahasa alami menjadi artefak neural yang ringkas dan dapat dieksekusi secara lokal untuk menggantikan API model bahasa besar. Pendekatan ini bertujuan meningkatkan lokalisasi, reproduktibilitas, dan biaya dengan memperlakukan model fondasi sebagai pembuat alat daripada pemecah masalah per-input.
- PAW memanfaatkan kompiler 4B yang dilatih pada FuzzyBench, dataset baru berisi 10M contoh.
- Sistem menghasilkan adapter yang efisien parameter untuk interpreter ringan yang dibekukan, khususnya menggunakan model Qwen3 berukuran 0,6B.
- Performa setara dengan prompting langsung pada Qwen3-32B sambil menggunakan sekitar seperlima puluh dari memori inferensi.
- Pada MacBook M3, solusi ini berjalan pada 30 token/detik, memungkinkan panggilan berikutnya yang murah dan offline.
PAW mendefinisikan ulang model fondasi dari pemecah masalah per-input menjadi pembuat alat, menghasilkan artefak kecil yang dapat digunakan kembali yang mengurangi kebutuhan akan panggilan API mahal.