연구자들은 로그 경고 및 JSON 복구와 같은 작업에서 대규모 언어 모델 API를 대체하기 위해 퍼지 함수 프로그래밍을 제안하며, 국소성, 재현성 및 비용 개선을 목표로 합니다. 그들은 공개된 FuzzyBench 데이터셋으로 훈련된 4B 컴파일러를 사용하여 동결된 인터프리터용 파라미터 효율적인 어댑터를 생성하는 Program-as-Weights (PAW) 를 소개합니다.

  • 시스템은 자연어 명세를 컴팩트하고 로컬에서 실행 가능한 신경 아티팩트로 컴파일합니다.
  • PAW 프로그램을 실행하는 0.6B Qwen3 인터프리터는 Qwen3-32B에 대한 직접 프롬프팅과 성능이 일치합니다.
  • 이 접근 방식은 추론 메모리의 약 50분의 1만 사용하며 MacBook M3에서 초당 30 tok/s로 실행됩니다.

PAW는 파운데이션 모델을 도구 빌더로 재정의하여 사용자가 함수 정의마다 컴파일러를 한 번 호출하여 저렴하고 오프라인인 후속 호출을 위해 작고 재사용 가능한 아티팩트를 생성할 수 있도록 합니다.