标签
本文介绍了'通过训练编译'，一种利用教师模型合成和微调，将自然语言函数描述编译成本地神经程序的方法，在FuzzyBench上实现了83.6%的语义准确率。
一条推文，赞同 ProgramAsWeights 可以替代正则表达式，并演示了一个从自然语言编译的电子邮件验证函数。
Program-as-Weights (PAW) 引入了一种编程范式，其中40亿参数的编译器将自然语言规范翻译成紧凑的神经工件，可由6亿参数的解释器执行，性能与320亿参数的模型相当，但内存和推理成本大幅降低。