Pesquisadores propõem a programação de funções difusas para substituir APIs de grandes modelos de linguagem para tarefas como alerta de logs e reparo de JSON, visando melhorar a localidade, reprodutibilidade e custo. Eles introduzem o Program-as-Weights (PAW), que utiliza um compilador de 4B treinado no conjunto de dados FuzzyBench lançado para gerar adaptadores eficientes em parâmetros para um interpretador congelado.

  • O sistema compila especificações em linguagem natural em artefatos neurais compactos e executáveis localmente.
  • Um interpretador Qwen3 de 0.6B executando programas PAW iguala o desempenho do prompting direto com Qwen3-32B.
  • Esta abordagem usa aproximadamente um cinquenta avos da memória de inferência e roda a 30 tokens/s em um MacBook M3.

O PAW reformula os modelos fundamentais como construtores de ferramentas, permitindo que usuários invoquem o compilador uma vez por definição de função para produzir artefatos pequenos e reutilizáveis para chamadas subsequentes baratas e offline.